excel如何计算3项移动平均

在数据分析中，对数据的预测分析是重点，而时间序列预测包括移动平均法、指数平滑法、季节性趋势预测法。下面我们通过移动平均法对这组数据进行分析，分析的目标数据可以任意选择，通过一月到十月的成绩数据来预测十一月的成绩。 点击数据选项中的数据分析，选择移动平均后点确定。在输入区域中输入 b 一到 b 十一，数据间隔设置为二，表示两个月的数据相加，求平均输出区域为 c 二到 c 十一，选择输出图表和标准误差后点击确定。 最后我们可以看到输出的数据选中 c 十一和第十一数据。通过下拉可以得出十一月份的预测值和标准误差，当间隔为二十，十一月份的预测值为三百四十 十九，标准误差为一点零六。我们用相同的方式只改变间隔来生成数据，当间隔分别为二、三、四十，标准误差也随之改变， 准误差越小，预测值越准确。我们发现当间隔为二十，标准误差最小为一点零六，所以我们选择三百四十九为十一月份成绩的预测值。右边是该组数据的可视化图表，可以清楚的观察到实际值和预测值的变化。下期分享指数平滑法预测分析。 最后给大家推荐这本实用的书，提高你的数据分析能力和数据分析思维，还有每个章节的视频同步教学。

我们先打开今天的表格看一下，这是陌路页，所有的物品都在这一页，页页是物品收发明细的超链接，点击超链接转到明细表中增加数量，先双点击叠列中最后一个空白单元格输入数值， 然后在同行音乐输入采购单间减少数量，在定律中填写一个负数，然后双击同行音乐的单元格，出库的成本价就自动填充了。 nice， 关注我会有更多表格哦！

企业发出存货的计价方法有四种，今天我们一起来看一下移动加权平均法。 移动加权平均法是在我们每次购进存货的时候，我们都重新来计算一下我们存货的单位成本，存货的单位成本就等于我们原有结存的库存成本加上本次购进的成本除以我们原有结存数量，加上本次购进的数量， 我们在发出存货的时候，存货发出的成本就等于我们本次发出的存货数量乘以我们上一次就是本次发货前计算的存货单位成本。 在月末的时候，我们结存的存货成本就等于我们月末结存的数量乘以月末的存货单位成本。我们通过案例来 一起看一看具体来怎么计算。假设我们八月一号的时候，期出库存是两百千克，我们的单位成本是四十，那么我们的金额就是两百乘四十，等于 八千。十二日的时候我们又购进了八百千克的存货，摊位成本是四十五，定额是八百乘四十五， 也就是三万六千元。然后这个时候我们来计算我们期末存货的单位成本，我们期期末存货的数量是等于我们的期除两百，加上我们的购进八百是一千， 我们的总金额是等于我们期出的金额八千，加上我们的购进三万六，总共是四万四千元。这样我们可以计算我们的 单位成本等于金额除以我们的数量是等于四元。好，这个时候我们往下看，十六日的时候我们管理部门领用了这个材料是一百千克， 我们用的这个存货发出成本就是我们上次计算的这个节存钱的这个存货单位成本是四十四元，我们领用的金额是四千四百元。这四千四百元，因为是我们行政管理部门领用的，所以我们入的是管理， 入的是管理费用。我们十八日的时候，我们重新又购进了三百千克，这个时候我们的单价还是四十五，我们的金额是三百乘四十五，是一万三千五百元，这个时候我们需要重新 来计算一下我们单位成本，这个时候我们就用我们上次结存的，上次结存的金额，加上我们本次购进的金额，等于五万三千一百元，这个数量也是等于我们上次结存的这个数量，加上我们本次购进的这个数量 是一一千两百三克，我们拿这个数金额除以我们这个数量之和，就是我们的单价。 我们二十号的时候，我们又发出了仓货，是我们生产车间生产 m 产品领用的，这个时候我们用的单单价就是我们上次计算的这个单价，我们领了六六百千克，单价是四十四点二五，总金额是两万六千五百元。 我们这个时候期末结存是六百千克，单价用的也是我们上次计算的这个单价，我们期末结存的金额是两万六千五百五十元，这个发出领用 m 产品 发出的两万六千五百元，我们因为是生产 m 产品用的，我们记录我们的生产成本， m 产品。

哈喽，大家好，昨天给大家讲过指数平滑来预测销售数据。那今天我们讲新的 东西数据分析里面的移动平均啊，通过移动平均咱们预测一下未来天气，那这是原始数据网页导出来的原始数据是从一八年到二一年的整体七月份的天气，它有最高温、最低温 天气，雨水，那雨水只要有雨咱们标记为一，没雨咱们标记为零啊，这样数据咱们整理好后，整理成这个样子，七月一号到三十一号，咱们要最高温最低温，还有两天雨水。首先咱们预测一下哪个阶 段的温度是最高的？那我们点数据分析，这里有个移动平均，我们点确定，那我们首先输入区域来个 b 到 b 三十二，那我们因为选中了标题，所以把标志位于第一行这个复选光，那勾勾上那间隔什么意思？就是四天一平均还是三天一平均还是五天一平均。那我们这里比如说我们选五天一平均， 我们输出区域，输出区域我们就选 f 二，那图表输出，那我们看一下，看图表流出来，为啥这四个是错号呢？因为他是五五天一平均，大家看一下 五天一平均，但是第五个，这从第五个才出现，第五个一直到最后才是有的， 前四个是没有的，他这五天一平均，就是这五个，然后从这五个，然后这五个这个意思，然后我们把它拉大，看一下最高温度出现在哪几个阶段，大家看一下最高温度出现在九号，七月九号这五天左右，还有 七月的十七号以及七月底啊，这三个，尤其是七月底，七月底这五天左右温度会达到最高值，就会特别热啊，大家都是注意。 嗯，大家看一下，我预测一下雨水，那我们看一下数据分析移动平均，然后把输入区域改成雨水标志为第一行选中，那我们间隔五天，那比如说我们间隔三天，间隔三天试一下，那我们输出区域，输出区域我们点 g 二， 那我们图表输出，我们确定，大家看一下啊，这个黄色是预测值，大家看一下七号前雨水还是不是很多不稳定，那我们从七号到 十二号之间啊，雨水直线上升，那下雨的趋趋势逐渐上升，然后一直到一直到二十五号，那雨水慢慢的下降，慢慢的下降，然后咱们看一下这阶段，十号到 三十一号之间这个雨水是比较多的啊，七月十号到三月这个雨水是比较多的啊，所以这就通过这个移动平均来预估预估未来天气情况啊。蓝色的就是点的意思，那黄色就是面 面的意思啊，我们分析面有点到面啊，我们今天这个移动平均就讲到这里，大家学会了没学会，麻烦大家点个关注加双击，谢谢。

大家好，我是研发教育的上期老师，今天我们继续讲解 excel 数据建模与预测分析。上节课讲到的是季节性预测模型的原理和案例介绍，那么这节课我们讲它的第一种方法，居中移动平均法， 他的六个步骤，首先是要整理表格，建立年度月份率，然后再计算居中移动平均销售量以及他的销售指数。我们打开一个案例 按钮，打开，这是他的基础的数据，那么这种数据不便于我们分析，我们需要把 日期整为一列，实际销售量全部整为一列，把二维变成一维数据，然后整理好就是这样的数据，这样的数据 放在两列时间，销售量分别为一列。那么这一个呢？图形主要是上节课讲到了要观察他的是否有季节性， 然后再建立模型。建立模型需要插入年度和月份这两页， 然后后面的是实际销售量，他的已知条件。剧中移动平均销售量需要我们求的销售指数预测销售量，这个是我们最终需要求的一个销售量预测的差异值。然后这里新建一个月份 季节指数，做一个萨摩瑞。然后这个地方呢？幺八幺九二零这三年他的一个总的销售量，后面是一个标准差和他的阿尔方值。 好，那么第一步我们就要把居中移动平均销售量，他是怎么求嘞？他的原理上节课已经讲到了啊， 首先要记在七月份的，一定是七月份的，因为一年十二月份他的居中他，他是在七月份这个地方七月头，所以他是等于 均值 ab 均值，它是什么呢？是 f 五到 f 十 六， f 五到 f 十六， 一月到十二月，然后 f 六到 f 十七，然后这个地方就是二月到一月， 这两个敲平均，这个能理解吧？这个就是上节课我们讲到了 一年十二个月，他就是七月头，七月份再平均，那就是七月份的，那么八月份也是向下 内推，这个就是移动平均，移动平均回车，然后把它下拉，一直拉到这个地方。 不是拉到底啊，因为要求的是居中移动，不是拉到底。好，那销售指数是什么呢？销售指数他是 实际销售除以他的这个他是实际销售量除以居中移动平均销售量，这就是销售指数，等于 app 十一除以基石音， 然后再下拉。 好，这个 差一指呢？差一指是等于什么？差一指他是等于 i 五，就是预错的销售量和实际的销售量，他们之间的差额， 这个差异质他有什么作用呢？主要是计算他的标准差 和二方值，这个二方值就是检验最后你预测的销售量和实际的销售量之间，这个相关性大不大。如果二方值小于零点七， 那基本上这个预测可能就不太准了啊。这个等一会会写到 好，二零零八年他的一个总销量， 实际销量，二零零八年的实际销量啊。一个公式上，这其实就是一个辅助的，后面会有作用。 f 五到 f 十六， f 五到 f 十六，一到十二月。 好，二零一九也是一样的，二零一九是 f 十七到 f 二十八， f 十七，一月 f 二十八。 好，下一步我们要求平均销售指数，平均销售指数指数，也就是说这里面的一月份，这里的一月份 一十一到一到这个地方，这整个的啊，这整个的里面，一月份 他出现在两个一月，所以除以二啊。有两个一月，所以要除以二，在这里面 就需要把它引过来啊，这个地方要把它引过来，就是把一月份这个一月份的在这里面相加，正好除以二。那怎么 引过来？就是按掉条件来求和，然后再除以二，按条件求和就是三一函数 单条件求和三个一盘数一十一到一三十四， 一十一， 从这个地方三十四到这个地方， 他是绝对引用这个这个区域是不变的，会按下 f 四绝对引用，按下快捷键 f 四他就出现这个美元符号，就表示他是 不变的啊。一十一，当我们把公式下拉的时候，他这个区域是不变的，一十一到一三十四，然后第二个就是条件是什么呢？ l 五，按照这个 l 五啊，一月份 最后求和区是什么呢？求和区就是销售指数，销售指数也同样的，这个地方 一月份他求和，一月份有两个，所以他是除以二啊，除以二，每个月份出现了两次， 每个月份之和再除以二啊，这个是三一反数。按照这个条件我们回车，然后再往下拉，再往下拉。 ok， 你看 大家需要注意的时候， hh 十一到 h 三十四，他也是绝对引用，所以要加上 f 四这个地方， f 四就表示绝对引用，加上了这个美元符号。回车 我们下拉的时候，我们就发现这个地方啊，就是这个地方有变化啊，这个月份有变化， 他的条件区域，这个月份条件区域和销售指数这个区域，这个区域是不变的，当我们拉公式的时候，区域是不变的， 这是平均销售指数， 那么积极性消失 指数， 那么这个地方啊，合计啊，这个合计应该是等于 some 把它求和啊，这个才是它的一个合计。 那么季节性的销售指数呢？它是平均销售指数除以它的总和啊，除以它的和，那么它来合计呢？就是前面的总和，所以它是等于 m 五除以， 这个按一下 f 四绝对引用，绝对引用的意思就是说我后面下拉的时候，他是不变的，你看二三， 这个分母是不变的，都是除以他啊，就固定死了，到最后就是百分之百，因为每一个每一个月份的每一个月份，他的平均销售指数除以他们总和，所以到最后加起来就是百分之百。 ok， 好，还有一个是标准差，标准差的公式大家理了解一下就可以，它是等于 s、 t、 d、 e、 v， 就是这个标准差，是 这个差异啊，这个差异接于五到接于四十， 这个是他的标准叉，标准叉， 这个标准差其实参考意义不大啊，你看一四一八，重点还是阿尔方值，这个阿尔方值是什么意思呢？阿尔方值他是预测销售量和实际销售量，他们之间的相关 相关系数在统计学叫做 p 二级 r 方值，它主要是检验 你的预测销售量和实际销售量，他们之间的偏差大不大啊？如果是说二方值大于零点七，一般情况下，如果大于零点七，比如说他是零点八或者零点九， 就说明我的这个预测值和实际的值，他的误差啊，他的偏差方差不大，他能起到检验你的数据预测的准确性。他是一个监控指标啊，在前面的课程也讲到了二方指，他是一个监控指标，他是等于什么呢？ 他是有一个函数，了解一下就可以。 rsq 啊， rsq 他是皮尔森极具法相关系数的平方啊，了解一下就行了。这个是统计学，你知道知道他是 相关系数，相关性就是检验这个结果的可靠性的。 f 五就是 我 四十 啊，逗号，然后销售量啊， i 五预测的， 因为这个地方还没有求助他的预测值，所以显示的是错误值，这个先不用管他。 好，那么最后一步就是要求他的预测销售量啊。预测销售量他怎么求嘞？ 剩下最后一步了， 那么这一个我们先暂停一下，我们下节课接着讲。

大家好，我是八月春秋 vba， 今天给大家讲一下移动加学平行法计算产品的成本价，销售价。我们先打开软件，首首先我们看一下代码 更新产品平均成本价，首先我对代码做一个说明， 同一个产品每次入库的成本价不一样，自我们动态的计算平均的入库单单价，更新产品信息表。产品的库存表， 算法是移动加选平均法，执行的时间是每每次的入库。入库后 我们用字典的方方式从成品的入库记记录里提提取同一个产品规格，它的 总总数量跟总金额，然后用总总金额除一个总数数量就是它平均的单单价， 然后把计算出出出来的平均的单单价更新到我们的新产品的，更新到产品信息表， 然后更新到我们的产品的库存表，计算产品的 平均销售价，跟上面的是一样的， 这个就是它加血平平均的算法。好的，我给大家做个演示， 比如说我们先做一个成品的入入库吧， 胶盒板是这个规则数量，我们输入 一百张单价是第一次的单价是六十五 保存，我们再输入一个， 比如说是一百五十张，代价是七十保存。我们可以查一下库库存 他悟空的两两次，第一次是一百张，单价是六十五，第二次如果是一百五十张，单价是七十，我们可以查找库库存，他会计自动计算库存的成成本价， 库存是二百五十张，平庸单价是六十八， 我们刚才第一是第一次是六十五，第二次是七七十，他会用总金额 减去总，减去总的数数量就会计算出平均的单单价，然后会在我们的后后台自动更新该产品的该产品规格的平均的成本价。 好的，我们再看一下产品的销销售， 比如说第一次需要销售，我们销售五十张，单价是二百四 保存 在此，我们销售 八十张，单价是二百六 保存好的，然后我们再看看一下，它会自动计算该产产品规格的平平均的销售价。 他不是说你，你第一次是售价是两百四，第二次售价是两百六，我们不能想当然的认认为他的平平均的售价就是 二二百五五十元，他要给每一单进行加加权的计计算， 这样才比较准准确。那我们就看都看得到 是我们计算材材料的平均的进进货的单价，跟下面的跟我们刚才讲的也也是一样的， 用这种方方法有有一个好处，就是能够比比较准确的计算我们的库存金金额， 当然这个可可能跟我们实实际的成本还是有有点差别的。 好的，今天科学到这，请大家长按三秒点赞讲解推荐本视频，再见！

预测分析，他也叫时间序列分析，基于时间变化和历史数据倚合出趋势，也就是随着时间轴的变化，数据的发展趋势和规律。 对此分析难点在于季节性因素波动的干扰，所以我们要找到间隔区间， 时间序列他会呈现出趋势性，也就是数据他是上升还是下降还是平缓。 第二点，季节性。一年有春夏秋冬，我们有些行业的数据他会呈现出季节性，比如说服装。 第三点，周期性，像我们的经济，它具有周期性，他有呈现出经济的波动，这是时间序列数据的三性。 时间序列的常用的数据分析方法，我们有 spas 软件，它可以实现指数平滑自回归 arima 法，还有季节分解法。通过 spas 分析出来的方法， 他是非常的专业，里面涉及到统计学的一些底层的原理，有一定的难度。 那么 excel 分析、预算分析呢？基本来说 说，相对比较简单，比较容易理解。预测分析主要有五种方法，移动平均、指数平滑、 excel 二零一六预测表功能、 for cat 函数简单线性回归预测等等。 我们分六节课来讲。首先来看移动平均法，移动平均它的计算原理是通过时间的推进，依次计算一定期内 它的平均值，也就是跨度跨度期内的平均值，这个跨度期就是间隔期，形成平均值的时间序列，从而发现它的规律和发展发展趋势，实现未来。预测 计算的思路是设置间隔数的计算，这个是他的关键，只有把间隔数确定之后，未来值就可以求，比如说我的间隔数分别是二三、四，未来值就可以确定了。 如果确定了间隔数是三未来值，他的预测就是前三月的移动平均之和，移动均值之和除以三就是他的预测值。 所以他的思路分为三步，第一步要设置间隔计算的平均值。第二个确定最佳的间隔数。如何确定呢？是从图表当中观察误差，也就是实际值和预测值，他哪个误差 微小，就确定哪一个最小的，最小的图表当中他的最佳的间隔数。第三是预测，确定了 第二步的最佳间隔数之后，我们未来值，也就是预测值，可以利用前面的移动平均值之和除以它的间隔数。我们来看一个案例，某电商企业直通车的推广成本预测， 这里是二零零零年到二零一七年的推广成本， 现在要推测二零一八年的推广成本，用移动平均法，我们首先建个数，从二开始试算二三、四， 怎么试算呢？首先要确定间隔数，我们在菜单栏数据下面有一个数据分析， 找到移动平均。 移动平均确定弹出的框里面有输入区域，我们选择 b 一到 b 十九， 勾选标志位于第一行，因为我选择的区域是 b 一到 b 九，包含标题，所以标志位于第一行。间隔二，间隔，先是二 数据区域 c 二，我要放在这里，图表输出勾选确定， ok， 这个是间隔二，同样的间隔三， 我们同样的操作，确定输入区域不变。间隔三，数据区域在 d 二，这里图表输出确定， ok， 同样的间隔四，数据分析移动平均确定， 这里输入四，建个四输出区域一。 第二，图表输出确定， ok， 这个就是移动平均的计算他的同样的图表，这个图表可以观测出实际值和预测值的误差，误差越小， 就选择它的一个间隔数，比如说这个是间隔数，是二的，这个是三，这个是四的， 可以很明显的看得出来，间隔 out。 这个误差了比较小，也就是实业值和预测值，他们离合程度越高，离合程度比较好。 离合程度也就是这两条线它的重合的程度，越重合 就表示他的误差越小，离合程度越好。可以看得出来，第一张表就是间隔二的，他的误差比较小，你看这两条线基本上快重合了。这两条线呢，中间的空的比较多 啊，这个呢，他中间空的也是比较多的，我们把它拉大一点就更好看了， 可以看得出来，这个误差比较大，这个误差也比较大，当然二和三比现要好一些，一和二要好一些，所以我们就选择间隔二啊，得出结论。 这步操作就得出结论，通，通过观察图表，间隔二，它的误差最小，所以我们要选择 最佳间隔数，就是 are 啊，最佳间隔数是 are， 确定了最佳间隔数二之后，可以利用前面的移动平均值数据之和除以间隔数，也就是 这里二零一八，他的移动平均就比较简单了，就比较简单，他是等于什么呢？等于前前面两个移动平均二零一六年， 也就是二零一六年的移动平均三点九五，加二零一七年的四点六五，再除以多少呢？ 刚才讲到了，选择最佳健康数是二，所以是二，所以是二，回车就是四点三，通过移动平均法预测值，二零一八年的预测值，他是四点三啊，这个都就得出结论了，就是四点三， 这个是移动平均法的计算方法， 大家注意，移动平均这里要选择勾选图表输出，如果你选择了输入区域，选择了标题， 这里叫勾选标志，位于第一行间隔就是它的一个跨度，这是输出的移动平均的 数据放在哪里？就是我放在了 g， 二啊，分别放在这三个、三个地方。好了，我们来小结一下移动平均法它的缺陷呢，移动平均值它并不能很好的反应趋势，由于是平均值， 预测值总是停留在过去的水平上，而无法预计，会导致将来更高或更低的波动。 第二点呢，移动平均法要有大量的过去数据的记录，否则结果严重失真。 有的学生问，移动平均法要求样本有多少个呢？一般情况下要至少要有十五个以上，如果就那么几条，你用移动平均法计算出来的结果是相当不准确的，所以，所以 数据啊，样本尽可能的多，越多越好。第三点，当有季节性因素影响的时候， 当序列包含季节变动时，移动平均时距像数 n， 也就是间隔数，跨度应该与季节的变动程度一致，反映了季节变动的周期性，这样才能消除他的季节变动。 如果序列包含的周期的变动的时候，平均实际像素 n 应和周期的长度基本一致，才能较好的消出周期波动。 这是什么意思呢？第三点，意思就是说，如果我的数据样本包含了季节，季节性的变动，带有季节性的周期性， 我们这个跨度以及我的这个样本的数据，应该完整地体现这个周期性。比如说我的周期数据，它是一年， 周期性是一年，那么我们这个序列数据，原始的样本数据应该是至少有十二个月， 不可不能是十个月或者九个月，那么他体现不不出来周期性，如果周期性是一年十二个月，那我的这个周期性是十二， 并且如果用移动平均的时候，我的这个间隔数应该是十二，也不能是十一或者十啊，就是这个意思，它的难点就就是如何确定记者的间隔啊，这 这个就是一个难点。第四点，移动平均的像素不宜过大，过大的时候你就比较难以确定 我的这个移动平均它的最终的值，它的误差了，就非常的大，像数越大误差就越大。 好，那么关于移动平行法，今天就讲到这里，暂停一下，下节课我们接着讲指数平滑法，谢谢大家。