Moving Average Excel Data Analysis

Moving Average Dieses Beispiel lehrt, wie Sie den gleitenden Durchschnitt einer Zeitreihe in Excel berechnen. Eine Bewegung wird verwendet, um Unregelmäßigkeiten (Spitzen und Täler) zu glätten, um Trends leicht zu erkennen. 1. Erstens, werfen wir einen Blick auf unsere Zeitreihe. 2. Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis: Klicken Sie hier, um das Analyse-ToolPak-Add-In zu laden. 3. Wählen Sie Verschiebender Durchschnitt aus, und klicken Sie auf OK. 4. Klicken Sie im Feld Eingabebereich auf den Bereich B2: M2. 5. Klicken Sie in das Feld Intervall und geben Sie 6 ein. 6. Klicken Sie in das Feld Ausgabebereich und wählen Sie Zelle B3 aus. 8. Zeichnen Sie ein Diagramm dieser Werte. Erläuterung: Da wir das Intervall auf 6 setzen, ist der gleitende Durchschnitt der Durchschnitt der vorherigen 5 Datenpunkte und der aktuelle Datenpunkt. Als Ergebnis werden Spitzen und Täler geglättet. Die Grafik zeigt eine zunehmende Tendenz. Excel kann den gleitenden Durchschnitt für die ersten 5 Datenpunkte nicht berechnen, da nicht genügend frühere Datenpunkte vorhanden sind. 9. Wiederholen Sie die Schritte 2 bis 8 für Intervall 2 und Intervall 4. Fazit: Je größer das Intervall, desto mehr werden die Spitzen und Täler geglättet. Je kleiner das Intervall, desto näher sind die gleitenden Mittelwerte, um die tatsächlichen Datenpunkte. Wie Berechnung der gleitenden Mittelwerte in Excel Excel-Datenanalyse für Dummies, 2. Edition Der Data Analysis-Befehl bietet ein Werkzeug für die Berechnung der Bewegung und exponentiell geglättete Mittelwerte in Excel. Nehmen Sie an, um zu veranschaulichen, dass Sie tägliche Temperaturinformationen gesammelt haben. Sie wollen den dreitägigen gleitenden Durchschnitt 8212 den Durchschnitt der letzten drei Tage 8212 als Teil einer einfachen Wettervorhersage berechnen. Gehen Sie folgendermaßen vor, um die gleitenden Mittelwerte für diesen Datensatz zu berechnen. Um einen gleitenden Durchschnitt zu berechnen, klicken Sie zuerst auf die Schaltfläche Data tab8217s Data Analysis. Wenn Excel das Dialogfeld Datenanalyse anzeigt, wählen Sie aus der Liste den Eintrag Moving Average aus, und klicken Sie dann auf OK. Excel zeigt das Dialogfeld "Gleitender Durchschnitt" an. Identifizieren Sie die Daten, die Sie verwenden möchten, um den gleitenden Durchschnitt zu berechnen. Klicken Sie im Dialogfeld "Gleitender Durchschnitt" in das Eingabebereichsfeld. Identifizieren Sie dann den Eingabebereich, indem Sie entweder eine Arbeitsbereichsadresse eingeben oder mit der Maus den Arbeitsbereich auswählen. Ihre Bereichsreferenz sollte absolute Zellenadressen verwenden. Eine absolute Zellenadresse ist dem Spaltennamen und der Zeilennummer mit Vorzeichen vorangestellt, wie in A1: A10. Wenn die erste Zelle in Ihrem Eingabebereich eine Textbeschriftung enthält, um Ihre Daten zu identifizieren oder zu beschreiben, aktivieren Sie das Kontrollkästchen Labels in First Row. Erklären Sie im Textfeld Interval, wie viele Werte in die gleitende Durchschnittsberechnung einbezogen werden sollen. Sie können einen gleitenden Durchschnitt mit einer beliebigen Anzahl von Werten berechnen. Standardmäßig verwendet Excel die letzten drei Werte, um den gleitenden Durchschnitt zu berechnen. Um festzulegen, dass eine andere Anzahl von Werten zur Berechnung des gleitenden Durchschnitts verwendet werden soll, geben Sie diesen Wert in das Textfeld Intervall ein. Sagen Sie Excel, wo die gleitenden Durchschnittsdaten platziert werden sollen. Verwenden Sie das Textfeld Ausgabebereich, um den Arbeitsblattbereich zu identifizieren, in dem Sie die gleitenden Durchschnittsdaten platzieren möchten. In dem Arbeitsblattbeispiel wurden die gleitenden Durchschnittsdaten in den Arbeitsblattbereich B2: B10 platziert. (Optional) Geben Sie an, ob ein Diagramm gewünscht wird. Wenn Sie ein Diagramm möchten, das die gleitenden Durchschnittsinformationen darstellt, aktivieren Sie das Kontrollkästchen "Diagrammausgabe". (Optional) Geben Sie an, ob Standardfehlerinformationen berechnet werden sollen. Wenn Sie Standardfehler für die Daten berechnen möchten, aktivieren Sie das Kontrollkästchen Standardfehler. Excel legt Standardfehlerwerte neben den gleitenden Mittelwerten fest. (Die Standardfehlerinformationen gehen zu C2: C10.) Nachdem Sie die Angabe, welche gleitenden durchschnittlichen Informationen Sie berechnen lassen möchten und wo Sie sie platzieren möchten, klicken Sie auf OK. Excel berechnet gleitende Durchschnittsinformationen. Hinweis: Wenn Excel doesn8217t über genügend Informationen verfügt, um einen gleitenden Durchschnitt für einen Standardfehler zu berechnen, legt er die Fehlermeldung in die Zelle. Sie können mehrere Zellen anzeigen, die diese Fehlermeldung als einen Wert anzeigen. Verwenden Sie das Analysis ToolPak, um komplexe Datenanalysen durchzuführen. Gilt für: Excel 2016 Excel 2010 Excel 2010 Excel 2007 Excel 2016 für Mac Mehr. Weniger Wenn Sie komplexe statistische oder technische Analysen entwickeln müssen, können Sie mit dem Analysis ToolPak Schritte und Zeit sparen. Sie geben die Daten und Parameter für jede Analyse an und das Tool verwendet die entsprechenden statistischen oder Engineering-Makrofunktionen, um die Ergebnisse in einer Ausgabetabelle zu berechnen und darzustellen. Einige Tools erzeugen Diagramme zusätzlich zu den Ausgabetabellen. Die Datenanalysefunktionen können nur auf einem Arbeitsblatt verwendet werden. Wenn Sie Datenanalyse auf gruppierten Arbeitsblättern durchführen, werden die Ergebnisse auf dem ersten Arbeitsblatt angezeigt, und leere formatierte Tabellen werden auf den verbleibenden Arbeitsblättern angezeigt. Um die Datenanalyse für den Rest der Arbeitsblätter durchzuführen, müssen Sie das Analysetool für jedes Arbeitsblatt neu berechnen. Das Analysis ToolPak enthält die in den folgenden Abschnitten beschriebenen Werkzeuge. Um auf diese Werkzeuge zuzugreifen, klicken Sie in der Analysis-Gruppe auf der Registerkarte Daten auf Datenanalyse. Wenn der Data Analysis-Befehl nicht verfügbar ist, müssen Sie das Add-In-Programm Analysis ToolPak laden. Laden und Aktivieren des Analysis ToolPak Klicken Sie auf die Registerkarte Datei, klicken Sie auf Optionen. Und klicken Sie dann auf die Add-Ins-Kategorie. Wenn Sie Excel 2007 verwenden, klicken Sie auf die Microsoft Office-Schaltfläche. Und klicken Sie dann auf Excel-Optionen Wählen Sie im Feld Verwalten Excel-Add-Ins aus, und klicken Sie dann auf Go. Wenn Sie mit Excel für Mac, im Menü Datei gehen Sie zu Excel-Excel-Extras. Aktivieren Sie in dem Feld Add-Ins das Analysis ToolPak Kontrolle-Kästchen, und klicken Sie dann auf OK. Wenn Analysis ToolPak nicht in dem Feld Add-Ins verfügbar ist, klicken Sie auf Durchsuchen, um es zu suchen. Wenn Sie aufgefordert werden, dass das Analysis ToolPak derzeit nicht auf Ihrem Computer installiert ist, klicken Sie auf Ja, um es zu installieren. Hinweis: Um Visual Basic for Application (VBA) - Funktionen für das Analysis ToolPak einzufügen, können Sie das Analysis ToolPak-VBA-Add-In auf dieselbe Weise laden, wie Sie das Analysis ToolPak laden. Aktivieren Sie in dem Feld Add-Ins verfügbar das Kontrollkästchen Analysis ToolPak - VBA. Die Anova-Analyse-Tools bieten verschiedene Arten von Varianzanalyse. Das Tool, das Sie verwenden sollten, hängt von der Anzahl der Faktoren und der Anzahl der Proben, die Sie aus den Populationen, die Sie testen möchten, ab. Anova: Single Factor Dieses Tool führt eine einfache Analyse der Varianz auf Daten für zwei oder mehrere Samples durch. Die Analyse liefert einen Test der Hypothese, dass jede Probe aus der gleichen zugrundeliegenden Wahrscheinlichkeitsverteilung mit der alternativen Hypothese gezogen wird, dass die zugrunde liegenden Wahrscheinlichkeitsverteilungen nicht für alle Proben gleich sind. Wenn es nur zwei Samples gibt, können Sie die Arbeitsblattfunktion T verwenden. TEST. Bei mehr als zwei Proben gibt es keine bequeme Verallgemeinerung von T. TEST. Und das Single Factor Anova-Modell kann stattdessen aufgerufen werden. Anova: Zwei-Faktor mit Replikation Dieses Analyse-Tool ist nützlich, wenn Daten in zwei verschiedenen Dimensionen klassifiziert werden können. Zum Beispiel können die Pflanzen in einem Experiment zur Messung der Pflanzenhöhe verschiedene Düngermarken (z. B. A, B, C) erhalten und auch bei unterschiedlichen Temperaturen (z. B. niedrig, hoch) gehalten werden. Für jedes der sechs möglichen Paare von haben wir eine gleiche Anzahl von Beobachtungen der Pflanzenhöhe. Mit diesem Anova-Tool können wir testen: Ob die Höhen der Pflanzen für die verschiedenen Düngermarken aus der gleichen Grundgesamtheit gezogen werden. Temperaturen werden für diese Analyse nicht berücksichtigt. Ob die Höhen der Pflanzen für die verschiedenen Temperaturniveaus von der gleichen Grundgesamtheit gezogen werden. Düngemittelmarken werden für diese Analyse nicht berücksichtigt. Unabhängig davon, ob die Auswirkungen der Unterschiede zwischen den Düngemittelmarken, die in der ersten Aufzählung gefunden wurden, und die Unterschiede in den Temperaturen im zweiten Punkt der Aufzählung berücksichtigt wurden, werden die sechs Proben, die alle Wertepaare repräsentieren, aus der gleichen Population gezogen. Die alternative Hypothese ist, dass es Auswirkungen auf bestimmte Paare über die Unterschiede, die auf Dünger allein oder auf der Temperatur allein beruhen. Anova: Zwei-Faktor ohne Replikation Dieses Analyse-Tool ist nützlich, wenn Daten in zwei verschiedenen Dimensionen klassifiziert werden, wie im Zwei-Faktor-Fall mit Replikation. Jedoch wird für dieses Werkzeug angenommen, dass es nur eine einzige Beobachtung für jedes Paar (zum Beispiel jedes Paar in dem vorhergehenden Beispiel) gibt. Die CORREL - und PEARSON-Arbeitsblattfunktionen berechnen den Korrelationskoeffizienten zwischen zwei Messgrößen, wenn Messungen an jeder Variablen für jede der N Probanden beobachtet werden. (Jegliche fehlende Beobachtung für ein Subjekt bewirkt, dass dieses Objekt in der Analyse ignoriert wird.) Das Korrelationsanalyse-Tool ist besonders nützlich, wenn es mehr als zwei Messvariablen für jedes der N Subjekte gibt. Es stellt eine Ausgabetabelle zur Verfügung, eine Korrelationsmatrix, die den Wert von CORREL (oder PEARSON) anzeigt, der auf jedes mögliche Paar von Messgrößen angewendet wird. Der Korrelationskoeffizient, wie die Kovarianz, ist ein Maß für das Ausmaß, in dem zwei Messgrößen zusammen variieren. Anders als die Kovarianz wird der Korrelationskoeffizient so skaliert, dass sein Wert unabhängig von den Einheiten ist, in denen die beiden Messgrößen ausgedrückt werden. (Wenn zum Beispiel die beiden Messgrößen Gewicht und Höhe sind, ist der Wert des Korrelationskoeffizienten unverändert, wenn das Gewicht von Pfund zu Kilogramm umgewandelt wird.) Der Wert eines Korrelationskoeffizienten muss zwischen -1 und einschließlich 1 liegen. Sie können das Korrelationsanalyse-Tool verwenden, um jedes Paar von Messgrößen zu untersuchen, um zu bestimmen, ob die beiden Messgrößen dazu neigen, zusammen zu bewegen, dh ob große Werte einer Variablen dazu neigen, mit großen Werten der anderen (positive Korrelation) assoziiert zu werden Kleine Werte einer Variablen dazu neigen, mit großen Werten der anderen (negative Korrelation) assoziiert zu werden, oder ob die Werte beider Variablen dazu neigen, unabhängig zu sein (Korrelation nahe 0 (Null)). Die Korrelations - und Kovarianz-Werkzeuge können beide in der gleichen Einstellung verwendet werden, wenn Sie N verschiedene Messgrößen haben, die bei einer Gruppe von Individuen beobachtet werden. Die Korrelations - und Kovarianz-Werkzeuge geben jeweils eine Ausgabetabelle, eine Matrix, die den Korrelationskoeffizienten bzw. die Kovarianz zwischen jedem Paar von Meßgrößen zeigt. Der Unterschied ist, dass die Korrelationskoeffizienten skaliert sind, um zwischen -1 und 1 einschließlich zu liegen. Entsprechende Kovarianzen sind nicht skaliert. Sowohl der Korrelationskoeffizient als auch die Kovarianz sind Massnahmen, inwieweit zwei Variablen zusammen variieren. Das Werkzeug Kovarianz berechnet den Wert der Arbeitsblattfunktion COVARIANCE. P für jedes Paar von Messgrößen. (Die direkte Verwendung von COVARIANCE. P anstelle des Kovarianz-Werkzeugs ist eine sinnvolle Alternative, wenn es nur zwei Messgrößen, dh N2, gibt.) Der Eintrag auf der Diagonale der Ausgangstabelle der Kovarianz-Werkzeuge in Zeile i, Spalte i, ist die Kovarianz Der i-ten Messgröße mit sich selbst. Dies ist nur die Populationsabweichung für diese Variable, die durch die Arbeitsblattfunktion VAR berechnet wird. P. Sie können das Kovarianz-Tool verwenden, um jedes Paar von Messvariablen zu untersuchen, um zu bestimmen, ob die beiden Messvariablen dazu neigen, zusammen zu bewegen, dh, ob große Werte einer Variablen dazu neigen, mit großen Werten der anderen (positiven Kovarianz), ob klein, assoziiert zu werden Werte einer Variablen dazu neigen, mit großen Werten der anderen (negativen Kovarianz) assoziiert zu werden, oder ob Werte beider Variablen dazu neigen, nicht verwandt zu sein (Kovarianz nahe 0 (Null)).