এক্সেলের মুভিং এভারেজ গণনা করুন (সরল, তাত্পর্যপূর্ণ ও ভারযুক্ত)
চলমান গড়ের অর্থ হল আমাদের যে ডেটা সেট রয়েছে তার গড় গড়ের গণনা করি, এক্সেলে আমাদের চলমান গড়ের গণনার জন্য একটি ইনবিল্ট বৈশিষ্ট্য রয়েছে যা বিশ্লেষণ বিভাগে ডেটা বিশ্লেষণ ট্যাবে পাওয়া যায়, এটি একটি ইনপুট পরিসর এবং আউটপুট নেয় আউটপুট হিসাবে অন্তরগুলির সাথে পরিসীমা, চলমান গড় গণনা করতে এক্সেলের কেবল সূত্রের ভিত্তিতে গণনাগুলি শক্ত তবে আমাদের এটি করতে এক্সেলের একটি ইনবিল্ট ফাংশন রয়েছে।
এক্সেলে মুভিং এভারেজ কী
মুভিং এভারেজ হ'ল টাইম সিরিজ বিশ্লেষণে একটি বহুল ব্যবহৃত কৌশল যা ভবিষ্যতের ভবিষ্যদ্বাণী করতে ব্যবহৃত হয়। একটি টাইম সিরিজের চলমান গড়গুলি মূলত অন্য সময়ের সিরিজের ডেটার বিভিন্ন ক্রমবর্ধমান মানের গড় নিয়ে নির্মিত হয়।
সরল গড়ের তিন ধরণের গড় রয়েছে, সরল গড়, ওজনযুক্ত চলন গড় এবং এক্সেলে এক্সফেনশনাল মুভিং এভারেজ।
# 1 - এক্সেলে সরল চলমান গড়
একটি সাধারণ চলমান গড় কোনও ডেটা সিরিজের পিরিয়ডের শেষ সংখ্যার গড় গণনা করতে সহায়তা করে। ধরুন n পিরিয়ডের দাম দেওয়া হয়েছে। তারপরে সরল মুভিং এভারেজ হিসাবে দেওয়া হয়
সরল চলমান গড় = [পি 1 + পি 2 + …………। + পিএন] / এন
# 2 - এক্সেলে ওয়েট মুভিং এভারেজ
ওজনযুক্ত চলমান গড়টি গত এন পিরিয়ডগুলির ওজনযুক্ত গড় সরবরাহ করে। পূর্ববর্তী সময়কালের প্রতিটি ডেটা পয়েন্টের সাথে ওজন হ্রাস পায়।
ওজনযুক্ত চলমান গড় = (মূল্য * ওজন ফ্যাক্টর) + (পূর্ববর্তী সময়ের মূল্য * ওজন ফ্যাক্টর -১)
# 3 - এক্সেলে এক্সপোনেনশিয়াল মুভিং এভারেজ
এটি সাধারণ চলমান গড়ের মতো যা সময়ের সাথে সাথে ট্রেন্ডগুলিও পরিমাপ করে। সরল মুভিং গড় প্রদত্ত ডেটার গড় গণনা করার সময়, ঘনিষ্ঠভাবে চলমান গড় বর্তমানের ডেটাতে আরও বেশি ওজন যুক্ত করে।
সূচকীয় চলমান গড় = (কে x (সি - পি)) + পি
কোথায়,
- কে = সূচকীয় ধূমপান ধ্রুবক
- গ= বর্তমান মূল্য
- পি= পূর্ববর্তী পিরিয়ডস এক্সফোনেনশিয়াল মুভিং এভারেজ (প্রথম পিরিয়ড গণনার জন্য সাধারণ চলমান গড় ব্যবহৃত)
এক্সেলে চলমান গড় গণনা কিভাবে করবেন?
নীচে এক্সলে চলমান গড়ের উদাহরণ দেওয়া আছে।
আপনি এই মুভিং এভারেজ এক্সেল টেম্পলেটটি এখানে ডাউনলোড করতে পারেন - চলন্ত গড় এক্সেল টেম্পলেটউদাহরণ # 1 - এক্সেলে সাধারণ সরানো গড়
সাধারণ চলমান গড় গণনা করার জন্য, আমরা ২০১ 2018 সালের জানুয়ারি থেকে ডিসেম্বর পর্যন্ত একটি সংস্থার বিক্রয় ডেটা নিয়েছি Our আমাদের লক্ষ্য ডেটা মসৃণ করা এবং জানুয়ারী 2019 এর বিক্রয় সংখ্যাটি জানা। আমরা এখানে তিন মাসের চলন্ত গড় ব্যবহার করব।
ধাপ 1:জানুয়ারী, ফেব্রুয়ারি এবং মার্চের চলমান গড় মাসের বিক্রয় পরিসংখ্যানের সমষ্টি নিয়ে গণনা করা হয় এবং তারপরে এটি 3 দ্বারা বিভক্ত করে।
ধাপ ২:ডি 5 কক্ষের কোণে নির্বাচন করা এবং তারপরে কেবল টেনে এনে নামানো বাকি সময়কালের জন্য চলন্ত গড় দেবে। এটি এক্সেলের ভরাট সরঞ্জাম ফাংশন।
জানুয়ারী 2019 এর বিক্রয় পূর্বাভাস 10456.66667।
ধাপ 3:প্রবণতার পার্থক্য বুঝতে এখন আমরা লাইন গ্রাফের বিক্রয় চিত্র এবং চলমান গড়ের পরিকল্পনা করি। এটি সন্নিবেশ ট্যাব থেকে করা যেতে পারে। প্রথমে আমরা ডেটা সিরিজ নির্বাচন করেছি এবং তারপরে সারণির অধীনে চার্ট বিভাগ থেকে, আমরা লাইন গ্রাফটি ব্যবহার করেছি।
গ্রাফগুলি তৈরি করার পরে দেখা যায় যে চলন গড়ের গ্রাফটি মূল ডেটা সিরিজের তুলনায় অনেক বেশি মসৃণ হয়।
উদাহরণ # 2 - এক্সেলে ডেটা অ্যানালাইসিস ট্যাবের মাধ্যমে সরল মুভিং এভারেজ
- বিশ্লেষণ গ্রুপের অধীনে ডেটা ট্যাবের অধীনে, আমাদের ডেটা বিশ্লেষণ ক্লিক করতে হবে। স্ক্রিনশট নীচে দেওয়া হল।
- ডেটা বিশ্লেষণ থেকে, চলমান গড় অ্যাক্সেস করা যেতে পারে।
- চলন্ত গড় ক্লিক করার পরে, আমরা ইনপুট পরিসর হিসাবে বিক্রয় চিত্র নির্বাচন করেছি।
- প্রথম সারিতে লেবেলগুলির নামটি রয়েছে তা এক্সেলকে বোঝার জন্য প্রথম সারিতে থাকা লেবেলগুলি ক্লিক করা হয়।
- ইন্টারভেল 3 নির্বাচন করা হয়েছে কারণ আমরা তিন বছরের চলমান গড় চাই।
- আমরা বিক্রয় চিত্রের সংলগ্নতার সাথে আউটপুট পরিসরটি নির্বাচন করেছি।
- আমরা চার্ট আউটপুটও দেখতে চাই যেখানে আমরা আসল এবং পূর্বাভাসের মধ্যে পার্থক্য দেখতে সক্ষম হব।
এই চার্টটি বাস্তব এবং পূর্বাভাসের চলমান গড়ের মধ্যে পার্থক্য দেখায়।
উদাহরণ # 3 - এক্সেলে ওয়েট মুভিং এভারেজ
আমরা তিন বছরের ওজনযুক্ত চলন্ত গড় ব্যবহার করি এবং সূত্রটি স্ক্রিনশটে দেওয়া হয়।
সূত্রটি ব্যবহার করার পরে, আমরা একটি সময়ের জন্য চলন্ত গড় পেয়েছি।
নিম্নলিখিত কোষগুলিতে মানগুলি টেনে এনে রেখে আমরা অন্যান্য সমস্ত সময়ের জন্য চলমান গড় পেয়েছি।
জানুয়ারী 2019 এর পূর্বাভাস অর্থ 10718.33
এখন আমরা ডেটার স্মুথেনিং দেখতে লাইন গ্রাফটি নিয়েছি। এর জন্য, আমরা আমাদের মাসের পূর্বাভাসের ডেটাটি নির্বাচন করেছি এবং তারপরে একটি লাইন গ্রাফ sertedুকিয়েছি।
এখন আমরা আমাদের পূর্বাভাসের ডেটাগুলিকে আমাদের আসল ডেটার সাথে তুলনা করব। নীচের স্ক্রিনশটগুলিতে আমরা সহজেই প্রকৃত ডেটা এবং পূর্বাভাসযুক্ত ডেটার মধ্যে পার্থক্য দেখতে পাই। উপরের গ্রাফটি আসল তথ্য এবং নীচের গ্রাফটি চলমান গড় এবং পূর্বাভাসের ডেটা data আমরা দেখতে পারি যে মুভিং এভারেজ গ্রাফটি প্রকৃত ডেটাযুক্ত গ্রাফের তুলনায় তুলনামূলকভাবে কমিয়েছে।
উদাহরণ # 4 - এক্সেলে এক্সফোনেনশিয়াল মুভিং এভারেজ
তাত্পর্যপূর্ণ চলমান গড়ের সূত্রটি হ'লএসটি= α.Yt-1+ (1- α) এসt-1……(1)
কোথায়,
- ওয়াইt-1 = টি -1 ম পিরিয়ডে আসল পর্যবেক্ষণ
- এসt-1= টি -১ ম পিরিয়ডের সাধারণ চলমান গড়
- α = স্মুথেনিং ফ্যাক্টর এবং এটি .1 এবং .3 এর মধ্যে পরিবর্তিত হয়। Α কাছাকাছি মানের আরও বড় মূল্য হ'ল আসল মানগুলির চার্ট এবং α এর মান হ্রাস করা যায়, চার্টটি আরও মসৃণ হবে।
প্রথমত, আমরা আগের মতো সরল গড়ের গণনা করি average এর পরে, আমরা সমীকরণে প্রদত্ত সূত্রটি প্রয়োগ করি (1)। নীচের সমস্ত মানগুলির জন্য α মানটি ঠিক করার জন্য আমরা F4 চাপলাম।
আমরা নিম্নলিখিত কক্ষে টেনে এনে ফেলে মানগুলি পাই।
এখন, আমরা প্রকৃত মান, সাধারণ চলমান গড় এবং এক্সেলে এক্সফেনশনাল মুভিং গড়ের মধ্যে তুলনা দেখতে চাই। আমরা একটি লাইন চার্ট করে এটি করেছি।
উপরের স্ক্রিনশট থেকে আমরা প্রকৃত বিক্রয় চিত্র, সাধারণ চলমান গড় এবং এক্সেলে এক্সফেনশনাল মুভিং গড়ের মধ্যে পার্থক্য দেখতে পারি।
এক্সেলে চলমান গড় সম্পর্কে মনে রাখার বিষয়গুলি
- এক্সেল এভারেজ ফাংশনটি ব্যবহার করে সাধারণ চলমান গড় গণনা করা যায়
- গড় সরানো ডেটা স্মুথনে সহায়তা করে
- মৌসুমী গড়পড়তা প্রায়শই মৌসুমী সূচক হিসাবে অভিহিত হয়
- এক্সেলে এক্সফোনেনশিয়াল মুভিং এভারেজ সামান্য চলমান গড়ের তুলনায় সাম্প্রতিক ডেটাতে আরও ওজন দেয়। সুতরাং এক্সেলে এক্সফোনেনশিয়াল মুভিং এভারেজের ক্ষেত্রে স্মুথেনিং সহজ মুভিং এভারেজের চেয়ে বেশি।
- স্টক মার্কেটের মতো ব্যবসায়গুলিতে, গড় চলমান গড় ব্যবসায়ীকে আরও সহজে প্রবণতা সনাক্ত করতে সহায়তা করে।
