در این مطلب، ویدئو سری زمانی – تمرین مسئله 18.54-55 – فصل زدایی و تخمین روند با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:28:58
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,680 –> 00:00:03,480
سلام بچه ها امیدوارم حال همه خوب باشد ما
2
00:00:03,480 –> 00:00:06,240
داریم روی سریال های زمانی کار می کنیم من یک
3
00:00:06,240 –> 00:00:08,010
ویدیو را در اینجا بازنشر می کنم بنابراین ممکن است
4
00:00:08,010 –> 00:00:09,300
نسخه کمی متفاوت از این را دیده باشید
5
00:00:09,300 –> 00:00:11,969
که کمی اشتباه
6
00:00:11,969 –> 00:00:14,309
در آن وجود داشت، بنابراین سعی می کنم یک
7
00:00:14,309 –> 00:00:17,010
اشتباه در این مورد را برطرف کنید، بیایید ببینیم
8
00:00:17,010 –> 00:00:17,310
9
00:00:17,310 –> 00:00:19,500
کجا هستیم که با سریهای زمانی کار میکنیم
10
00:00:19,500 –> 00:00:20,850
و یک مشکل تمرینی را انجام میدهیم که در آن
11
00:00:20,850 –> 00:00:22,760
برخی دادهها را فصلی D
12
00:00:22,760 –> 00:00:24,900
میکنیم و سپس یک روند را تخمین میزنیم
13
00:00:24,900 –> 00:00:26,070
و سپس پیشبینیهای فصلی خواهیم داشت،
14
00:00:26,070 –> 00:00:29,010
بنابراین
15
00:00:29,010 –> 00:00:30,359
میخوانم، ابتدا سؤال را میخوانم و سپس
16
00:00:30,359 –> 00:00:32,668
کار میکنم، ما راه خود را از طریق آن بررسی
17
00:00:32,668 –> 00:00:34,320
میکنیم، از فصل 18 کتاب اندرسن
18
00:00:34,320 –> 00:00:36,809
یازدهم نسخه Hudson Marine است.
19
00:00:36,809 –> 00:00:38,520
یک فروشنده مجاز رادیوهای دریایی C و D
20
00:00:38,520 –> 00:00:40,110
در هفت سال گذشته
21
00:00:40,110 –> 00:00:42,059
، مقادیر فروش سه ماهه
22
00:00:42,059 –> 00:00:43,440
برای هفت سال داده های تاریخی را
23
00:00:43,440 –> 00:00:45,719
در برگه داده ها فرض می کند و من
24
00:00:45,719 –> 00:00:47,700
برگه داده ها را به سرعت در اینجا به شما نشان می دهم و ببینید که
25
00:00:47,700 –> 00:00:51,329
ما سال 1 داریم. 2 3 4 5 6 7
26
00:00:51,329 –> 00:00:53,520
ما سه ماهه داریم و فروش داریم خوب
27
00:00:53,520 –> 00:00:55,680
حالا مشکل حل شده است برای اینکه از ما بخواهیم
28
00:00:55,680 –> 00:00:57,030
کارها را انجام دهیم، ابتدا همه آن ها را می خوانم،
29
00:00:57,030 –> 00:00:59,100
سپس آن را مرور می کنیم
30
00:00:59,100 –> 00:01:00,510
و مقادیر میانگین متحرک متمرکز را برای
31
00:01:00,510 –> 00:01:02,670
این سری زمانی B محاسبه می کنیم نمودار سری زمانی را بسازیم
32
00:01:02,670 –> 00:01:04,500
که میانگین متحرک مرکزی و اصلی را نیز نشان می دهد.
33
00:01:04,500 –> 00:01:05,700
34
00:01:05,700 –> 00:01:07,680
سریهای زمانی در همان نمودار
35
00:01:07,680 –> 00:01:08,909
تفاوتهای بین نمودار سری زمانی اصلی
36
00:01:08,909 –> 00:01:10,110
و میانگین متحرک مرکز
37
00:01:10,110 –> 00:01:12,540
سری زمانی C
38
00:01:12,540 –> 00:01:14,070
شاخصهای فصلی را برای چهار فصل محاسبه میکند
39
00:01:14,070 –> 00:01:16,020
که فرض میکنم به این معناست
40
00:01:16,020 –> 00:01:18,750
که چه زمانی Hudson Marine
41
00:01:18,750 –> 00:01:20,400
بزرگترین اثر فصلی را تجربه میکند تنظیم شده است. و آیا منطقی به نظر می رسد
42
00:01:20,400 –> 00:01:22,830
که تحلیل
43
00:01:22,830 –> 00:01:24,119
داده ها توسط EDC و استفاده از آخرین سری زمانی فصل D
44
00:01:24,119 –> 00:01:26,159
برای شناسایی روند اگر
45
00:01:26,159 –> 00:01:28,220
از نتایج سری D فصل alized
46
00:01:28,220 –> 00:01:30,509
برای ایجاد یک پیش بینی فصلی
47
00:01:30,509 –> 00:01:32,490
برای سال آینده بر اساس روند استفاده کنید و سپس G
48
00:01:32,490 –> 00:01:34,380
از فصلی استفاده کنید، منطقی به نظر می رسد. شاخصهایی برای تعدیل
49
00:01:34,380 –> 00:01:36,090
پیشبینیها پیشبینی روند توسعهیافته
50
00:01:36,090 –> 00:01:37,439
در RF برای در نظر گرفتن تأثیر
51
00:01:37,439 –> 00:01:39,750
فصل خوب است، ابتدا اینها را یکی
52
00:01:39,750 –> 00:01:41,280
یکی میگیریم و ابتدا درصد را محاسبه میکنیم.
53
00:01:41,280 –> 00:01:42,899
مقادیر میانگین متحرک قرمز برای
54
00:01:42,899 –> 00:01:47,090
سری زمانی بیایید ببینیم و اگر خوب به خاطر دارید
55
00:01:47,090 –> 00:01:49,350
ما مقدار میانگین متحرک مرکز را
56
00:01:49,350 –> 00:01:51,689
انجام میدهیم، بنابراین در حال هموارسازی هستیم، اما با
57
00:01:51,689 –> 00:01:54,740
دادههای سه ماهه، دوره چهار
58
00:01:54,740 –> 00:02:00,659
تناوبی سمت راست داریم، اثر تناوبی دارای
59
00:02:00,659 –> 00:02:03,780
دوره چهار است. کمی
60
00:02:03,780 –> 00:02:06,600
مشکل ساز است زیرا برای انجام
61
00:02:06,600 –> 00:02:08,310
خوب میانگین متحرک مرکز، اجازه دهید به یک
62
00:02:08,310 –> 00:02:13,860
چاه نگاه کنیم، فرض کنیم y1 به علاوه y2 به علاوه y3
63
00:02:13,860 –> 00:02:17,670
به علاوه y 4 روی 4 خوب داشتیم، این یک میانگین متحرک متمرکز است،
64
00:02:17,670 –> 00:02:19,020
اما اگر میانگین متحرک مرکز
65
00:02:19,020 –> 00:02:21,900
برای دوره 2.5 باشد که اینطور نیست.
66
00:02:21,900 –> 00:02:24,390
در واقع کمک زیادی به ما نمی کند که یک ستون
67
00:02:24,390 –> 00:02:28,410
یا یک ردیف برای 2.5 داشته باشیم، در غیر این صورت اگر
68
00:02:28,410 –> 00:02:33,480
y 2 بعدی y 3 به علاوه y4 به علاوه y5 را
69
00:02:33,480 –> 00:02:35,970
روی 4 داشته باشیم، خوب این
70
00:02:35,970 –> 00:02:37,830
مشاهده صاف برای دوره سه نقطه پنج است،
71
00:02:37,830 –> 00:02:39,870
اکنون آنچه می توانیم انجام دهیم این است که ما می توانیم
72
00:02:39,870 –> 00:02:41,880
میانگین این 2 را 2.5 بگیریم و این
73
00:02:41,880 –> 00:02:44,910
سه امتیاز پنج است تا s سه را به دست آوریم و
74
00:02:44,910 –> 00:02:46,140
این همان کاری است که ما به آن
75
00:02:46,140 –> 00:02:51,410
تبدیل می کنیم y1 بیش از 8 به علاوه y2 به علاوه y3
76
00:02:51,410 –> 00:02:56,970
به اضافه y 4 بیش از 4 به علاوه y 5 روی 8 و من
77
00:02:56,970 –> 00:02:59,100
یک ویدیو داشته باشید که در آن من به شما نشان می دهم که چگونه حرکت
78
00:02:59,100 –> 00:03:00,450
مرکز را محاسبه کنید میانگینها را در جایی که من از آن عبور میکنم،
79
00:03:00,450 –> 00:03:01,620
اما در اینجا یک
80
00:03:01,620 –> 00:03:03,690
برنامه خاص وجود دارد، بنابراین این
81
00:03:03,690 –> 00:03:05,130
فرمولی است که ما از آن استفاده میکنیم و با فرمول
82
00:03:05,130 –> 00:03:06,120
سوم شروع میکنیم،
83
00:03:06,120 –> 00:03:08,070
زیرا همانطور که میبینید اگر
84
00:03:08,070 –> 00:03:10,410
زودتر به یکی از آنها رفتهایم، باید از y 0 شروع کنیم. بنابراین
85
00:03:10,410 –> 00:03:12,120
بیایید این کار را انجام دهیم که از آن فرمول در اینجا استفاده خواهیم کرد،
86
00:03:12,120 –> 00:03:17,250
بنابراین بخشی از من میانگین متحرک مرکزی در
87
00:03:17,250 –> 00:03:19,170
اینجا به من اجازه دهید این را کمی پاک کنم.
88
00:03:19,170 –> 00:03:21,090
89
00:03:21,090 –> 00:03:24,030
90
00:03:24,030 –> 00:03:27,420
و به صورت عمودی وسط
91
00:03:27,420 –> 00:03:31,170
و به صورت افقی وسط و در
92
00:03:31,170 –> 00:03:32,700
اینجا می رویم، میانگین متحرک متمرکز خود را خواهیم داشت
93
00:03:32,700 –> 00:03:37,890
و اولین مورد در
94
00:03:37,890 –> 00:03:44,700
اینجا y 1/8 به علاوه y2 به اضافه y3
95
00:03:44,700 –> 00:03:51,150
به اضافه y 4 تقسیم بر 4 به علاوه y 5 تقسیم
96
00:03:51,150 –> 00:03:54,360
بر خواهد بود. enuf بسیار خوب، بنابراین میانگین متحرک مرکز من است
97
00:03:54,360 –> 00:03:56,850
و می بینید که
98
00:03:56,850 –> 00:03:58,019
با میانگین همه اینها یکسان نیست،
99
00:03:58,019 –> 00:03:59,180
کمی متفاوت است
100
00:03:59,180 –> 00:04:01,320
زیرا کاری که ما انجام داده ایم این است
101
00:04:01,320 –> 00:04:03,480
که دوره اول و دوره پنجم را در
102
00:04:03,480 –> 00:04:07,970
1/ منتظر کرده ایم. 2 و این تأثیر دارد،
103
00:04:07,970 –> 00:04:09,600
اساساً به این معنی است که ما فقط
104
00:04:09,600 –> 00:04:11,570
یکی را می شماریم سالها داده
105
00:04:11,570 –> 00:04:15,390
ببخشید من کمی سرفه دارم اکنون
106
00:04:15,390 –> 00:04:17,760
فرمول میانگین متحرک متمرکز
107
00:04:17,760 –> 00:04:19,918
در تمام مدت یکسان خواهد بود، بنابراین تمام
108
00:04:19,918 –> 00:04:21,540
کاری که ما باید انجام دهیم یکبار یک بار انجام دهیم،
109
00:04:21,540 –> 00:04:23,039
به لطف این واقعیت که ما این کار را انجام می
110
00:04:23,039 –> 00:04:24,750
دهیم کامپیوتر باید آن فرمول را کپی
111
00:04:24,750 –> 00:04:26,610
و پیست کند و اگر
112
00:04:26,610 –> 00:04:27,720
دنبال کرده باشید
113
00:04:27,720 –> 00:04:28,890
اگر با اکسل راحت
114
00:04:28,890 –> 00:04:31,200
هستید، متوجه خواهید شد که اینها همه ارجاعات نسبی هستند،
115
00:04:31,200 –> 00:04:33,360
مشکلی نیست که می توانید آن را کپی و
116
00:04:33,360 –> 00:04:38,760
پیست کنید، همه چیز را به پایین تغییر می دهد،
117
00:04:38,760 –> 00:04:40,410
اما راحت تر اجازه دهید کمی بزرگ نمایی
118
00:04:40,410 –> 00:04:42,150
کنم، ساده تر خواهد بود که
119
00:04:42,150 –> 00:04:45,420
همه این ها را انتخاب کنید و ctrl را پر کنید D
120
00:04:45,420 –> 00:04:49,700
121
00:04:49,700 –> 00:04:52,980
122
00:04:52,980 –> 00:04:56,340
این کار را تا ته
123
00:04:56,340 –> 00:04:57,270
ما به پایین می رسیم سپس در
124
00:04:57,270 –> 00:04:57,750
125
00:04:57,750 –> 00:05:01,350
این دوره آخر مشکل داریم میانگین متحرک مرکز در
126
00:05:01,350 –> 00:05:03,000
حال کشیدن چند صفر در این
127
00:05:03,000 –> 00:05:04,830
دوره ما هنوز به اضافه صفر است، بنابراین اکنون ما
128
00:05:04,830 –> 00:05:07,680
میانگین متحرک را در مرکز برای همه قرار داده
129
00:05:07,680 –> 00:05:09,930
ایم و چهار امتیاز را از دست می دهیم زیرا این
130
00:05:09,930 –> 00:05:12,780
یک چهار دوره متحرک است. متوسط اما به غیر
131
00:05:12,780 –> 00:05:14,010
از این، ما خوب هستیم، بنابراین
132
00:05:14,010 –> 00:05:15,000
میانگین متحرک مرکز را در تمام طول مسیر داریم،
133
00:05:15,000 –> 00:05:16,140
فقط به این نگاه میکنیم، میبینیم
134
00:05:16,140 –> 00:05:17,940
که به نظر میرسد نوعی روند وجود دارد
135
00:05:17,940 –> 00:05:19,200
درست این به طور پیوسته در
136
00:05:19,200 –> 00:05:21,690
حال رشد است. میانگین متحرک مرکز در حال رشد است و
137
00:05:21,690 –> 00:05:23,370
این چیزی است که ما میخواهیم. برای نگاه کردن
138
00:05:23,370 –> 00:05:24,900
به قسمت B، قسمت B از ما میخواهد
139
00:05:24,900 –> 00:05:26,340
نمودار سری زمانی بسازیم که
140
00:05:26,340 –> 00:05:28,500
میانگین متحرک مرکز و سری زمانی اصلی را نیز نشان میدهد،
141
00:05:28,500 –> 00:05:30,360
142
00:05:30,360 –> 00:05:32,760
بنابراین برای انجام این کار
143
00:05:32,760 –> 00:05:36,870
باید یک متغیر دوره ایجاد کنیم.
144
00:05:36,870 –> 00:05:39,510
فقط یکی از اولین دوره است و شما
145
00:05:39,510 –> 00:05:43,080
هر بار یکی را اضافه می کنید، بنابراین این
146
00:05:43,080 –> 00:05:46,050
به علاوه یک نقطه یک نقطه به دوره
147
00:05:46,050 –> 00:05:48,720
سه و غیره و غیره خواهد بود تا زمانی
148
00:05:48,720 –> 00:05:49,979
که به دوره بیست و هشتم و آخرین دوره برسید،
149
00:05:49,979 –> 00:05:52,890
حالا خوب است که این یک دوره باشد. برای ایجاد
150
00:05:52,890 –> 00:05:54,300
یک نمودار سری زمانی، باید
151
00:05:54,300 –> 00:05:57,030
فقط تمام موارد دوره را انتخاب کنیم، همچنین
152
00:05:57,030 –> 00:05:59,070
این دو مورد را که میخواهیم
153
00:05:59,070 –> 00:06:03,919
در نمودار خود وارد کنیم، به درج پراکندگی بروید
154
00:06:03,919 –> 00:06:06,240
و سپس شما این را به عنوان پراکندگی Satta
155
00:06:06,240 –> 00:06:09,510
با خطوط مستقیم و همانطور که میتوانید میخواهید. ببینید
156
00:06:09,510 –> 00:06:10,680
اینجا ما به این می رویم به نظر می رسد
157
00:06:10,680 –> 00:06:13,530
من آن را به یک برگه جداگانه منتقل می کنم به
158
00:06:13,530 –> 00:06:20,070
نام این NCMA اصلی و شما
159
00:06:20,070 –> 00:06:22,050
می توانید ببینید که چه چیزی داریم چه چیزهایی می بینیم
160
00:06:22,050 –> 00:06:24,060
که متفاوت است اجازه دهید اول از همه محورهای خود را برچسب گذاری کنیم.
161
00:06:24,060 –> 00:06:29,310
162
00:06:29,310 –> 00:06:32,669
عنوان محور عمودی اولیه
163
00:06:32,669 –> 00:06:38,400
فروش خواهد بود من فکر می کنم این همان چیزی است که
164
00:06:38,400 –> 00:06:40,760
درست بود،
165
00:06:40,760 –> 00:06:43,440
ارزش های فروش سه ماهه است، بنابراین این
166
00:06:43,440 –> 00:06:47,910
ارزش فروش است و سپس محور افقی
167
00:06:47,910 –> 00:06:49,890
قرار است دوره درست باشد، بنابراین ما سه
168
00:06:49,890 –> 00:06:56,280
ماهه ها را نیز دیده ایم، بنابراین من فقط
169
00:06:56,280 –> 00:07:01,550
فصل های دوره را قرار می دهم. بنابراین سه ماهه اول
170
00:07:01,550 –> 00:07:03,810
از اینجا شروع می شود و
171
00:07:03,810 –> 00:07:07,710
تا سه ماهه بیست و هشتم ادامه می یابد، چه چیزی
172
00:07:07,710 –> 00:07:08,280
در اینجا می بینیم به
173
00:07:08,280 –> 00:07:11,970
خوبی به وضوح برخی از داده ها را در
174
00:07:11,970 –> 00:07:14,040
آنجا از دست می دهیم CMA، ما چیزها را در لبه
175
00:07:14,040 –> 00:07:16,680
با میانگین متحرک مرکز از دست می دهیم اما اعداد فروش ما
176
00:07:16,680 –> 00:07:18,810
چیزی شبیه به یک روند فصلی است
177
00:07:18,810 –> 00:07:20,640
و میانگین
178
00:07:20,640 –> 00:07:22,470
متحرک متمرکز عمدتاً از آن روند فصلی خلاص می شود،
179
00:07:22,470 –> 00:07:24,390
درست است که میانگین متحرک مرکز را در نظر می گیریم که در
180
00:07:24,390 –> 00:07:25,800
واقع
181
00:07:25,800 –> 00:07:28,440
میانگین سالانه را برای هر که می دانید
182
00:07:28,440 –> 00:07:30,120
میانگین سالانه مرکز محور را به ما می دهد. و در
183
00:07:30,120 –> 00:07:32,430
هر سه ماههای که جلو میرویم که از شر
184
00:07:32,430 –> 00:07:34,500
آن اثرات فصلی خلاص میشود، میبینید که آنها
185
00:07:34,500 –> 00:07:35,610
در آنجا کمی بالاتر از روند کار
186
00:07:35,610 –> 00:07:37,620
میکردند و سپس کمی پایینتر از روند
187
00:07:37,620 –> 00:07:41,550
در قسمت جلویی و انتهایی عقب برگشتند، بنابراین
188
00:07:41,550 –> 00:07:44,070
اگر یک سری زمانی ساخته شود، قسمت B
189
00:07:44,070 –> 00:07:46,740
است. ترسیم کنید و کمی در مورد آن بحث
190
00:07:46,740 –> 00:07:48,480
کردیم که هر دو در حال افزایش هستند و این
191
00:07:48,480 –> 00:07:50,120
شایان ذکر است که به همین دلیل است که ما این موضوع
192
00:07:50,120 –> 00:07:52,710
را در نظر می گیریم
193
00:07:52,710 –> 00:07:54,780
که در قسمت C نیز موارد فصلی در حال انجام است و
194
00:07:54,780 –> 00:07:56,070
شاخص های فصلی را برای چهار فصل محاسبه
195
00:07:56,070 –> 00:07:57,360
196
00:07:57,360 –> 00:07:59,910
می کنیم. البته ما نمی توانیم کاری انجام دهیم،
197
00:07:59,910 –> 00:08:02,370
اما
198
00:08:02,370 –> 00:08:04,620
برای انجام این کار اولین کاری که باید
199
00:08:04,620 –> 00:08:07,160
انجام دهیم این است که باید نسبت
200
00:08:07,160 –> 00:08:11,310
فروش را به CMA خود در نظر بگیریم، یعنی می گوییم که ما
201
00:08:11,310 –> 00:08:13,110
یک مشاهده اصلی داریم که این
202
00:08:13,110 –> 00:08:14,910
ستون D است. در اینجا این همه
203
00:08:14,910 –> 00:08:17,640
مشاهدات اولیه ما است و سپس ما
204
00:08:17,640 –> 00:08:19,500
آنچه را که در واقع اتفاق افتاده است کاملاً درست است.
205
00:08:19,500 –> 00:08:21,090
206
00:08:21,090 –> 00:08:22,770
207
00:08:22,770 –> 00:08:24,150
208
00:08:24,150 –> 00:08:26,550
از آنجایی که
209
00:08:26,550 –> 00:08:29,250
ما اطلاعاتی در مورد چگونگی فروش در
210
00:08:29,250 –> 00:08:31,110
آن سه ماهه در مقایسه با
211
00:08:31,110 –> 00:08:34,559
میانگین سالانه سال اطراف داریم که
212
00:08:34,559 –> 00:08:35,729
اگر خوب بود،
213
00:08:35,729 –> 00:08:37,969
تعداد بالایی خواهیم داشت و آنچه در اینجا انجام می دهیم این است که
214
00:08:37,969 –> 00:08:41,039
به مشکل برمی گردیم و من
215
00:08:41,039 –> 00:08:43,140
فرمولی را که قرار است از آن استفاده کنیم نشان میدهم
216
00:08:43,140 –> 00:08:46,260
که یک نسبت را محاسبه میکنیم و به نظر
217
00:08:46,260 –> 00:08:49,589
میرسد که بیایید به
218
00:08:49,589 –> 00:08:50,850
رنگ کمی متفاوت نگاه کنیم،
219
00:08:50,850 –> 00:08:53,430
بنابراین نسبت دوره t
220
00:08:53,430 –> 00:08:56,220
مقدار واقعی مشاهده شده شما برای PT / است.
221
00:08:56,220 –> 00:09:00,570
مشاهده میانگین متحرک مرکز صاف هستند
222
00:09:00,570 –> 00:09:03,510
و اگر RT بزرگتر از 1 باشد به این معنی است
223
00:09:03,510 –> 00:09:10,020
که اوه خوب این یک چهارم شکوفایی بود و
224
00:09:10,020 –> 00:09:13,050
اگر RT کمتر از 1 باشد به این معنی است که
225
00:09:13,050 –> 00:09:18,180
یک چهارم پایین بود و کاری که ما انجام می دهیم این است
226
00:09:18,180 –> 00:09:19,200
که ما فقط سعی می کنیم اندازه گیری
227
00:09:19,200 –> 00:09:22,200
کنید که می دانید فروش چگونه به
228
00:09:22,200 –> 00:09:23,820
مقایسه مربوط می شود و اگر
229
00:09:23,820 –> 00:09:25,350
آنها فقط می دانستید از این خط قرمز پیروی می کردید که
230
00:09:25,350 –> 00:09:27,779
میانگین آلاینده های خانگی در هر
231
00:09:27,779 –> 00:09:29,820
دوره انجام می دادند، ما فقط می توانیم آنها را
232
00:09:29,820 –> 00:09:31,050
برای دوره هایی محاسبه کنیم که در آن جابجایی متمرکز داریم.
233
00:09:31,050 –> 00:09:34,170
میانگین اما همانطور که می بینید 10
234
00:09:34,170 –> 00:09:36,000
بزرگتر است n نه نقطه دو پنج را کپی کنید
235
00:09:36,000 –> 00:09:37,800
و این را اینجا بچسبانید، اوه می دانید
236
00:09:37,800 –> 00:09:39,959
سه ماهه چهارم آنقدرها هم خوب نیست، من فقط
237
00:09:39,959 –> 00:09:42,300
39 درصد را به همان اندازه که
238
00:09:42,300 –> 00:09:44,190
برای میانگین سال انتظار دارید انجام می دهم
239
00:09:44,190 –> 00:09:47,790
و این را تا آخر کپی می کنم و
240
00:09:47,790 –> 00:09:50,490
شما می توان دید که به طور کلی
241
00:09:50,490 –> 00:09:53,279
سه ماهه سوم سه ماهه سوم
242
00:09:53,279 –> 00:09:55,440
کمی بالاتر از یک 1.08 یک امتیاز
243
00:09:55,440 –> 00:09:59,490
یک پنج یک امتیاز یک هشت 1.09
244
00:09:59,490 –> 00:10:00,839
کوارتر چهارم وحشتناک است صفر نقطه
245
00:10:00,839 –> 00:10:01,950
سه نه صفر نقطه چهار هشت صفر
246
00:10:01,950 –> 00:10:07,980
نقطه پنج نه 0.75 0.77 و در به طور کلی
247
00:10:07,980 –> 00:10:09,630
این چیزی است که ما سعی می کنیم با
248
00:10:09,630 –> 00:10:10,860
این حق به تصویر بکشیم، ما سعی می کنیم
249
00:10:10,860 –> 00:10:13,230
به خوبی بفهمیم که چه انتظاری
250
00:10:13,230 –> 00:10:14,790
برای سال دارید این
251
00:10:14,790 –> 00:10:17,670
سه ماهه خاص چگونه بوده است و بنابراین این همان چیزی است که اکنون در
252
00:10:17,670 –> 00:10:19,890
اینجا برای به پایان رساندن
253
00:10:19,890 –> 00:10:21,540
دریافت آن حساب کرده ایم. شاخصهایی که اکنون
254
00:10:21,540 –> 00:10:23,760
میخواهیم انجام دهیم این است که شاخص فصلی تعدیلنشده را محاسبه میکنیم.
255
00:10:23,760 –> 00:10:28,200
این شاخص فصلی تعدیلنشده
256
00:10:28,200 –> 00:10:31,709
میانگین فصلی نسبتها است،
257
00:10:31,709 –> 00:10:34,970
بنابراین کاری که ما در اینجا انجام میدهیم این است که
258
00:10:34,970 –> 00:10:38,670
میتوانیم میانگین را به خوبی بگیریم، این یک سه ماهه سوم است.
259
00:10:38,670 –> 00:10:41,730
d چه سه ماهه سوم بعدی
260
00:10:41,730 –> 00:10:43,200
درست اینجاست یک سه ماهه سوم
261
00:10:43,200 –> 00:10:44,700
درست اینجا یک سه ماهه سوم
262
00:10:44,700 –> 00:10:46,620
است، یک سه ماهه سوم اینجا یک
263
00:10:46,620 –> 00:10:49,110
سه ماهه سوم است و این یک سه ماهه سوم است که
264
00:10:49,110 –> 00:10:51,300
باید همه آنها باشد و این
265
00:10:51,300 –> 00:10:53,790
میانگین اثر سه ماهه سوم است.
266
00:10:53,790 –> 00:10:58,040
تاریخ سه ماهه سوم 11% بهتر است،
267
00:10:58,040 –> 00:11:00,329
بنابراین این شاخص فصلی تنظیم نشده
268
00:11:00,329 –> 00:11:01,050
برای a–
269
00:11:01,050 –> 00:11:03,060
برای سه ماهه سوم است و به دلیل
270
00:11:03,060 –> 00:11:04,709
روشی که ما این را ساختهایم، اگر این را بچسبانیم،
271
00:11:04,709 –> 00:11:06,660
کپی و جایگذاری کنیم، همه آنها را به پایین تغییر میدهد
272
00:11:06,660 –> 00:11:07,080
،
273
00:11:07,080 –> 00:11:08,130
بنابراین این به میانگین
274
00:11:08,130 –> 00:11:09,990
سه ماهه چهارم باشید، این میانگین
275
00:11:09,990 –> 00:11:11,790
برای سه ماهه پنجم یا سه ماهه پنجم سه
276
00:11:11,790 –> 00:11:13,080
ماهه اول و سه ماهه دوم است،
277
00:11:13,080 –> 00:11:15,540
اکنون واضح است که ما می توانستیم اینها را جابه جا کنیم،
278
00:11:15,540 –> 00:11:17,760
اما من دوست دارم از بالا شروع کنم تا
279
00:11:17,760 –> 00:11:19,110
بدانید که می توانید کپی و جایگذاری کنید. مثل
280
00:11:19,110 –> 00:11:19,760
281
00:11:19,760 –> 00:11:23,460
این است که اکنون این شاخص فصلی تعدیلنشده
282
00:11:23,460 –> 00:11:25,440
به ما میانگین درصدهایی را
283
00:11:25,440 –> 00:11:27,720
میدهد که انتظار دارید ببینید، من از
284
00:11:27,720 –> 00:11:30,780
آن آقا عذرخواهی میکنم اگر میشنوید
285
00:11:30,780 –> 00:11:33,240
که میانگین درصدی را میدهد
286
00:11:33,240 –> 00:11:34,650
که در دادههای ما اتفاق افتاده است. درست در طول این
287
00:11:34,650 –> 00:11:38,190
هفت سال، مشکل این است که اگر بخواهیم
288
00:11:38,190 –> 00:11:40,200
از اینها استفاده کنیم ممکن است برای ما مشکل ایجاد کند که چرا
289
00:11:40,200 –> 00:11:43,950
به طور متوسط یکی از این موارد این است که اگ
290
00:11:43,950 –> 00:11:45,600
به پایین نگاه کنید میانگین شا
291
00:11:45,600 –> 00:11:48,060
ص فصلی ما 0.99 است به این معنی است که اگر به
292
00:11:48,060 –> 00:11:50,070
ور منظم خود را ضرب کنیم. بعداً دادهها را در 0.99
293
00:11:50,070 –> 00:11:51,630
ضرب
294
00:11:51,630 –> 00:11:55,860
میکنیم، سپس
295
00:11:55,860 –> 00:11:57,570
به طور متوسط یک درصد از پی
296
00:11:57,570 –> 00:11:59,040
بینی خود را کاهش می
297
00:11:59,040 –> 00:12:03,000
298
00:12:03,000 –> 00:12:05,040
دهیم. انجام این کار بسیار
299
00:12:05,040 –> 00:12:07,290
ساده است، فقط
300
00:12:07,290 –> 00:12:10,920
هر کدام را بر میانگین چهار تقسیم کنید و
301
00:12:10,920 –> 00:12:12,720
معلوم می شود که اگر گروهی از اعداد را بردارید
302
00:12:12,720 –> 00:12:14,760
و هر یک از آنها را بر
303
00:12:14,760 –> 00:12:17,040
میانگین کل تقسیم کنید، آن را طوری تنظیم می
304
00:12:17,040 –> 00:12:18,570
کند که میانگین اعداد چهار عدد
305
00:12:18,570 –> 00:12:20,820
یا مجموعه اعداد یکی است در اینجا
306
00:12:20,820 –> 00:12:22,020
می بینید که میانگین اینها یکی است
307
00:12:22,020 –> 00:12:24,090
که دقیقاً همان چیزی است که ما می خواهیم چرا
308
00:12:24,090 –> 00:12:26,370
خوب کار می کند شما می توانید آن را به
309
00:12:26,370 –> 00:12:28,050
عنوان تمرینی به شما واگذار کنم تا نشان دهید چرا
310
00:12:28,050 –> 00:12:29,520
کار می کند اما کار می کند و چه چیزی ما می
311
00:12:29,520 –> 00:12:31,290
خواهیم انجام دهیم این است که میانگین i را می خواهیم ndex
312
00:12:31,290 –> 00:12:34,110
به یکی درست مانند آن درست است، به این
313
00:12:34,110 –> 00:12:35,940
صورت که وقتی ما چیزها را در آن ضرب می
314
00:12:35,940 –> 00:12:38,480
کنیم، داده های خود را به
315
00:12:38,480 –> 00:12:40,800
طور تصادفی با مقداری تورم یا کاهش تورم
316
00:12:40,800 –> 00:12:42,630
تنظیم نمی کنیم، به ویژه هنگامی که
317
00:12:42,630 –> 00:12:48,000
به 12 شاخص دوره یا فصلی می رسید که می دانید
318
00:12:48,000 –> 00:12:49,560
زمانی که شما می دانید. به دادههای ماهانه نگاه
319
00:12:49,560 –> 00:12:51,450
میکنیم، بنابراین اینها شاخصهای فصلی غبارآلود ما هستند،
320
00:12:51,450 –> 00:12:52,650
من فکر میکنم که این همان چیزی است که از
321
00:12:52,650 –> 00:12:55,050
ما میپرسید تا شاخصهای فصلی را برای چهار فصل به درستی محاسبه کنیم،
322
00:12:55,050 –> 00:12:57,060
بنابراین این
323
00:12:57,060 –> 00:13:00,090
همان کاری است که ما انجام دادیم، به نظر میرسد که
324
00:13:00,090 –> 00:13:03,930
حدود 12 درصد افزایش به سطح سوم داشته باشیم. دوره 36
325
00:13:03,930 –> 00:13:07,740
درصد افزایش تا دوره دوم،
326
00:13:07,740 –> 00:13:09,360
حدود 28 درصد کاهش برای
327
00:13:09,360 –> 00:13:11,400
دوره چهارم و 10 11 10 درصد کاهش
328
00:13:11,400 –> 00:13:13,470
برای سه ماهه اول دوره اول داریم، بنابراین
329
00:13:13,470 –> 00:13:15,090
این همان چیزی است که آن شاخص
330
00:13:15,090 –> 00:13:18,740
ها به ما می گویند یا به ما کمک می کنند تا ببینیم
331
00:13:18,740 –> 00:13:20,560
هادسون مارینا چه زمانی رخ می دهد.
332
00:13:20,560 –> 00:13:21,880
بزرگترین اثر فصلی را تجربه کرد
333
00:13:21,880 –> 00:13:25,320
آیا این نتیجه منطقی به نظر می رسد توضیح دهید،
334
00:13:25,320 –> 00:13:28,060
بنابراین چه زمانی بزرگترین است، به نظر می
335
00:13:28,060 –> 00:13:30,940
رسد بزرگترین آن این است که فصل زمستان
336
00:13:30,940 –> 00:13:35,500
38 درصد کاهش می یابد و همچنین رشد می کند
337
00:13:35,500 –> 00:13:38,440
. در سه ماهه دوم که منطقی به نظر می رسد،
338
00:13:38,440 –> 00:13:39,700
به یاد داشته باشید که این افراد
339
00:13:39,700 –> 00:13:42,190
دقیقاً در زم