Moyenne Mobile De 12 Mois Dans Excel

Moyenne mobile Cet exemple vous enseigne comment calculer la moyenne mobile d'une série temporelle dans Excel. Une moyenne mobile est utilisée pour lisser les irrégularités (pics et vallées) pour reconnaître facilement les tendances. 1. Tout d'abord, jetez un oeil à notre série chronologique. 2. Sous l'onglet Données, cliquez sur Analyse des données. Remarque: ne trouve pas le bouton Analyse des données Cliquez ici pour charger le complément Analysis ToolPak. 3. Sélectionnez Moyenne mobile et cliquez sur OK. 4. Cliquez dans la zone Plage d'entrée et sélectionnez la plage B2: M2. 5. Cliquez dans la zone Intervalle et tapez 6. 6. Cliquez dans la zone Plage de sortie et sélectionnez la cellule B3. 8. Tracez un graphique de ces valeurs. Explication: parce que nous définissons l'intervalle sur 6, la moyenne mobile est la moyenne des 5 points de données précédents et le point de données actuel. En conséquence, les crêtes et les vallées sont lissées. Le graphique montre une tendance à la hausse. Excel ne peut pas calculer la moyenne mobile pour les 5 premiers points de données car il n'y a pas assez de points de données antérieurs. 9. Répétez les étapes 2 à 8 pour l'intervalle 2 et l'intervalle 4. Conclusion: Plus l'intervalle est grand, plus les sommets et les vallées sont lissés. Plus l'intervalle est petit, plus les moyennes mobiles sont proches des points de données réels. Ajouter une tendance ou une ligne de moyenne mobile à un graphique S'applique à: Excel 2016 Word 2016 PowerPoint 2016 Excel 2013 Word 2013 Outlook 2013 PowerPoint 2013 Plus. Moins Pour afficher les tendances des données ou les moyennes mobiles dans un graphique que vous avez créé. Vous pouvez ajouter une ligne de tendance. Vous pouvez également étendre une ligne de tendance au-delà de vos données réelles pour vous aider à prédire les valeurs futures. Par exemple, la ligne de tendance linéaire suivante prévoit deux trimestres à venir et montre clairement une tendance à la hausse qui semble prometteuse pour les ventes futures. Vous pouvez ajouter une ligne de tendance à un graphique 2-D qui n'est pas empilé, y compris la zone, la barre, la colonne, la ligne, le stock, la dispersion et la bulle. Vous ne pouvez pas ajouter une ligne de tendance à un diagramme 3D, empilé, de radar, de tarte, de surface ou de beignet. Ajouter une ligne de tendance Sur votre graphique, cliquez sur la série de données à laquelle vous souhaitez ajouter une ligne de tendance ou une moyenne mobile. La ligne de tendance commencera sur le premier point de données de la série de données que vous choisissez. Cochez la case Trendline. Pour choisir un autre type de ligne de tendance, cliquez sur la flèche à côté de Trendline. Puis cliquez sur Exponentiel. Prévision linéaire. Ou moyenne mobile à deux périodes. Pour des lignes de tendance supplémentaires, cliquez sur Plus d'options. Si vous choisissez Plus d'options. Cliquez sur l'option souhaitée dans le volet Format Trendline sous Trendline Options. Si vous sélectionnez Polynomial. Entrez la puissance la plus élevée pour la variable indépendante dans la case Ordre. Si vous sélectionnez Moyenne mobile. Entrez le nombre de périodes à utiliser pour calculer la moyenne mobile dans la zone Période. Astuce: Une ligne de tendance est la plus précise lorsque sa valeur R-carré (un nombre de 0 à 1 qui révèle à quel point les valeurs estimées pour la ligne de tendance correspondent à vos données réelles) est à ou près de 1. Lorsque vous ajoutez une ligne de tendance à vos données , Excel calcule automatiquement sa valeur R-squared. Vous pouvez afficher cette valeur sur votre organigramme en cochant la case Afficher le R-carré sur la zone de graphique (fenêtre Format Trendline, Trendline Options). Vous pouvez en apprendre plus sur toutes les options de ligne de tendance dans les sections ci-dessous. Ligne de tendance linéaire Utilisez ce type de ligne de tendance pour créer une ligne droite optimale pour des ensembles de données linéaires simples. Vos données sont linéaires si le motif de ses points de données ressemble à une ligne. Une ligne de tendance linéaire indique généralement que quelque chose augmente ou diminue à un rythme régulier. Une ligne de tendance linéaire utilise cette équation pour calculer l'ajustement des moindres carrés pour une droite: où m est la pente et b l'intercepte. La ligne de tendance linéaire suivante montre que les ventes de réfrigérateurs ont constamment augmenté au cours d'une période de 8 ans. Notez que la valeur R-squared (un nombre de 0 à 1 qui révèle comment étroitement les valeurs estimées pour la ligne de tendance correspondent à vos données réelles) est 0.9792, qui est un bon ajustement de la ligne aux données. En affichant une ligne courbe optimale, cette ligne de tendance est utile lorsque le taux de changement dans les données augmente ou diminue rapidement, puis se stabilise. Une ligne de tendance logarithmique peut utiliser des valeurs négatives et positives. Une ligne de tendance logarithmique utilise cette équation pour calculer l'ajustement des moindres carrés par points: où c et b sont des constantes et ln est la fonction logarithmique naturelle. La courbe de tendance logarithmique suivante montre la croissance démographique prédite des animaux dans une zone d'espace fixe, où la population s'est stabilisée en tant qu'espace pour les animaux a diminué. Notez que la valeur R-carré est 0.933, ce qui est un ajustement relativement bon de la ligne aux données. Cette tendance est utile lorsque vos données fluctuent. Par exemple, lorsque vous analysez les gains et les pertes sur un grand ensemble de données. L'ordre du polynôme peut être déterminé par le nombre de fluctuations des données ou par le nombre de virages (collines et vallées) apparaissant dans la courbe. Typiquement, une ligne de tendance polynomiale Ordre 2 n'a qu'une seule colline ou une seule vallée, un Ordre 3 a une ou deux collines ou vallées, et un Ordre 4 a jusqu'à trois collines ou vallées. Une ligne de tendance polynomiale ou curviligne utilise cette équation pour calculer l'ajustement des moindres carrés par points: où b et sont des constantes. La ligne de tendance polynomiale Ordre 2 (une colline) montre la relation entre la vitesse de conduite et la consommation de carburant. Notez que la valeur R-squared est 0.979, ce qui est proche de 1 donc les lignes un bon ajustement aux données. En montrant une ligne courbe, cette ligne de tendance est utile pour les ensembles de données qui comparent des mesures qui augmentent à un taux spécifique. Par exemple, l'accélération d'une voiture de course à intervalles de 1 seconde. Vous ne pouvez pas créer une ligne de tendance de puissance si vos données contiennent des valeurs nulles ou négatives. Une ligne de tendance de puissance utilise cette équation pour calculer l'ajustement des moindres carrés par points: où c et b sont des constantes. Remarque: Cette option n'est pas disponible lorsque vos données incluent des valeurs négatives ou nulles. Le diagramme de mesure de distance suivant montre la distance en mètres par seconde. La ligne de tendance de puissance démontre clairement l'accélération croissante. Notez que la valeur R-squared est 0.986, ce qui est un ajustement presque parfait de la ligne aux données. Montrant une ligne courbe, cette ligne de tendance est utile lorsque les valeurs de données augmentent ou diminuent à des taux constamment croissants. Vous ne pouvez pas créer une ligne de tendance exponentielle si vos données contiennent des valeurs nulles ou négatives. Une courbe de tendance exponentielle utilise cette équation pour calculer l'ajustement des moindres carrés par points: où c et b sont des constantes et e est la base du logarithme naturel. La ligne de tendance exponentielle suivante montre la quantité décroissante de carbone 14 dans un objet à mesure qu'elle vieillit. Notez que la valeur R-squared est 0,990, ce qui signifie que la ligne s'adapte parfaitement aux données. Moyenne mobile Cette ligne de tendance corrige les fluctuations des données pour montrer un modèle ou une tendance plus clairement. Une moyenne mobile utilise un nombre spécifique de points de données (définis par l'option Période), les met en moyenne et utilise la valeur moyenne comme un point dans la ligne. Par exemple, si Période est défini sur 2, la moyenne des deux premiers points de données est utilisée comme premier point dans la ligne de tendance moyenne mobile. La moyenne des deuxième et troisième points de données est utilisée comme deuxième point dans la ligne de tendance, etc. Une ligne de tendance moyenne mobile utilise cette équation: Le nombre de points dans une ligne de tendance moyenne mobile est égal au nombre total de points de la série, Numéro que vous spécifiez pour la période. Dans un diagramme de dispersion, la ligne de tendance est basée sur l'ordre des valeurs x dans le graphique. Pour obtenir un meilleur résultat, triez les valeurs x avant d'ajouter une moyenne mobile. La tendance suivante ligne de tendance moyenne montre un modèle dans le nombre de maisons vendues sur une période de 26 semaines. Rolling 12 Mois Moyenne en DAX Computing la moyenne mobile de 12 mois dans DAX ressemble à une tâche simple, mais il cache une certaine complexité. Cet article explique comment écrire la meilleure formule évitant les pièges courants en utilisant les fonctions d'intelligence temporelle. Nous commençons par le modèle de données AdventureWorks habituel, avec les produits, les ventes et la table Calendrier. Le calendrier a été marqué comme une table de calendrier (il est nécessaire de travailler avec n'importe quelle fonction de renseignement de temps) et nous avons construit une hiérarchie simple année-mois-date. Avec cette mise en place, il est très facile de créer un premier tableau croisé dynamique montrant les ventes au fil du temps: Lors de l'analyse des tendances, si les ventes sont sujettes à la saisonnalité ou, plus généralement, si vous souhaitez supprimer l'effet des pics et des baisses de ventes, La technique courante est celle de calculer la valeur sur une période donnée, habituellement 12 mois, et de la moyenne. La moyenne mobile sur 12 mois fournit un indicateur régulier de la tendance et il est très utile dans les graphiques. Compte tenu d'une date, nous pouvons calculer la moyenne mobile de 12 mois avec cette formule, qui a encore quelques problèmes que nous allons résoudre plus tard: Le comportement de la formule est simple: il calcule la valeur de Ventes après avoir créé un filtre sur le calendrier qui Indique exactement une année complète de données. Le noyau de la formule est le DATESBETWEEN, qui retourne un ensemble inclusif de dates entre les deux frontières. Le plus bas est: Le lire du plus profond: si nous montrons des données pour un mois, par exemple juillet 2007, nous prenons la dernière date visible en utilisant LASTDATE, qui retourne le dernier jour en juillet 2007. Puis nous utilisons NEXTDAY pour prendre le 1er D'août 2007 et nous utilisons finalement SAMEPERIODLASTYEAR pour le décaler d'un an, le 1er août 2006. La limite supérieure est simplement LASTDATE, c'est-à-dire fin juillet 2007. Si nous utilisons cette formule dans un tableau croisé dynamique, le résultat semble très bien, mais nous Un problème pour la dernière date: en fait, comme vous pouvez le voir dans la figure, la valeur est correctement calculée jusqu'en 2008. Ensuite, il n'y a pas de valeur en 2009 (ce qui est correct, nous n'avons pas de ventes en 2009), mais il ya Une valeur surprenante sur Décembre 2010, où notre formule montre le grand total au lieu d'une valeur vierge, comme on s'y attend. En fait, en décembre, LASTDATE retourne le dernier jour de l'année et NEXTDAY devrait revenir le 1er Janvier 2011. Mais NEXTDAY est une fonction d'intelligence de temps et il est prévu de retourner des ensembles de dates existantes. Ce fait n'est pas très évident et il vaut quelques mots plus. Les fonctions d'intelligence temporelle n'effectuent pas de calculs sur les dates. Si vous souhaitez prendre le jour après une date donnée, vous pouvez simplement ajouter 1 à n'importe quelle colonne de date, et le résultat sera le jour suivant. Au lieu de cela, les fonctions de renseignement temporel changent de date et de retour dans le temps. Ainsi, NEXTDAY prend son entrée (dans notre cas une table à une rangée avec le 31 décembre 2010) et le décale un jour plus tard. Le problème est que le résultat devrait être le 1er janvier 2011 mais, comme la table Calendrier ne contient pas cette date, le résultat est BLANK. Ainsi, notre expression calcule les ventes avec une limite inférieure vierge, ce qui signifie le début du temps, ce qui donne comme résultat le grand total des ventes. Pour corriger la formule, il suffit de changer l'ordre d'évaluation de la limite inférieure: Comme vous pouvez le voir, maintenant NEXTDAY est appelé après le décalage d'un an de retour. De cette façon, nous prenons 31 décembre 2010, déplacer au 31 Décembre 2009 et prendre le lendemain, qui est le 1er Janvier 2010: une date existante dans le tableau calendrier. Le résultat est maintenant attendu: à ce stade, il suffit de diviser ce nombre par 12 pour obtenir la moyenne mobile. Mais, comme vous pouvez facilement l'imaginer, nous ne pouvons pas toujours le diviser par 12. En fait, au début de la période, il n'y a pas 12 mois à agréger, mais un nombre inférieur. Nous devons calculer le nombre de mois pour lesquels il ya des ventes. Cela peut être réalisé en utilisant le filtrage croisé de la table de calendrier avec la table des ventes après que nous avons appliqué le nouveau contexte de 12 mois. Nous définissons une nouvelle mesure qui calcule le nombre de mois existants au cours de la période de 12 mois: Vous pouvez voir dans la figure suivante que la mesure Months12M calcule une valeur correcte: Il vaut la peine de noter que la formule ne fonctionne pas si vous choisissez une période Plus de 12 mois, car le nom CalendarMonthName n'a que 12 valeurs. Si vous avez besoin de périodes plus longues, vous aurez besoin d'utiliser une colonne YYYYMM pour être en mesure de compter plus de 12. La partie intéressante de cette formule qui utilise le filtrage croisé est le fait qu'il calcule le nombre de mois disponibles, même lorsque vous filtre en utilisant d'autres les attributs. Si, par exemple, vous sélectionnez la couleur bleue à l'aide d'une trancheuse, les ventes commencent en juillet 2007 (pas en 2005, comme c'est le cas pour de nombreuses autres couleurs). En utilisant le filtre croisé sur les ventes, la formule calcule correctement qu'en juillet 2007, il ya un seul mois de ventes disponibles pour Blue: à ce stade, la moyenne mobile est juste un DIVIDE loin: quand nous l'utilisons dans une table pivotante, nous avons encore Ont un petit problème: en fait, la valeur est calculée également pour les mois pour lesquels il n'y a pas de ventes (c'est-à-dire les mois à venir): Cela peut être résolu à l'aide d'une instruction IF pour empêcher la formule de montrer les valeurs lorsqu'il n'y a pas de ventes. Je n'ai rien contre la FI, mais pour les adeptes de la performance parmi vous, il vaut toujours la peine de se rappeler que la FI pourrait être un tueur de performance, car elle pourrait forcer le moteur DAX formule à kick in. , En règle générale, la meilleure façon de supprimer la valeur lorsqu'il n'y a pas de vente est de s'appuyer sur des formules de moteur de stockage pur comme celui-ci: Comparer un graphique en utilisant le Avg12M avec un autre qui montre les ventes, vous pouvez facilement apprécier comment la moyenne mobile Décrit les tendances d'une manière beaucoup plus propre: Me tenir au courant des articles à venir (bulletin). Décochez pour télécharger librement le fichier.