求標準方差的函數「excel求方差公式怎麼輸入」

使用指數平滑法預測未來值（FORECAST.ETS函數）：

FORECAST.ETS函數使用指數平滑算法基於現有(歷史)值來預測未來某個日期（或時間）的值。

指數平滑法是生產預測中常用的一種方法，實際上是一種特殊的加權移動平均法。運用指數平滑法，可以選擇不同的平滑常數來調節時間序列觀察值的均勻程度(即趨勢變化的平穩程度)。

指數平滑法是在移動平均法基礎上建立的一種時間序列分析預測法，通過計算指數平滑值，配合一定的時間序列預測模型對現象的未來進行預測。其原理是任一期的指數平滑值都是本期實際觀察值與前一期指數平滑值的加權平均。

語法是：「=FORECAST.ETS( target_date, values, timeline, [seasonality], [datacompletion], [aggregation] )」。

參數：target_date是一個需要預測與之對應的值的目標日期（或時間）。

values是一組根據其預測未來值的歷史值。

timeline與歷史值相對應的一組日期（或時間）序列。

seasonality是指示數據的季節性質的一個參數。0表示數據無季節性質，使用線性算法預測；1或省略時自動計算數據的季節性，並使用正整數步長作為季節長度；大於等於2正整數時使用該數字作為季節長度。

data completion是日期（或時間）序列中遺漏數據的補充方式的參數。 0 將指示算法將缺失點視為零。 默認值1將計算缺少的點，即將其完成為相鄰點的平均值。

aggregation是具有相同日期（或時間）的數據的計算方式。1或省略：計算所有值的平均值；2：對所有數值計數；3：對所有數值、字符串和邏輯值計數；4：使用最大值；5：使用中位數；6：使用最小值；7：對所有值求和。

例：根據前6個月的銷量，預測9月份的銷量。

在C4的單元格插入函數：「=FORECAST.ETS(C2,B2:B7,A2:A7)」，按【Enter】鍵確認。

使用指數平滑法預測未來值

八十九、計算預測值的置信區間（FORECAST.ETS.CONFINT函數）：

FORECAST.ETS.CONFINT函數用於計算FORECAST.ETS函數預測值的置信區間。

語法是：「=FORECAST.ETS.CONFINT( target_date, values, timeline,[confidence_level], [seasonality], [data completion], [aggregation] )」。

參數：target_date是一個需要預測與之對應的值的目標日期（或時間）。

values是一組根據其預測未來值的歷史值。

timeline與歷史值相對應的一組日期（或時間）序列。

confidence_level是置信區間的置信度，其值在0-1之間的一個數字。如果省略，默認值為95%。

seasonality是指示數據的季節性質的一個參數。

data completion是日期（或時間）序列中遺漏數據的補充方式的參數。

aggregation是具有相同日期（或時間）的數據的計算方式。

例：計算表中參數的預測值的置信區間。

在C4的單元格插入函數：「=FORECAST.ETS.CONFINT(C2,B2:B7,A2:A7)」，按【Enter】鍵確認。

計算預測值的置信區間

九十、計算指定時間序列上檢測到的重複模式的長度（FORECAST.ETS.SEASONALITY 函數）：

FORECAST.ETS.SEASONALITY 函數返回已知數據季節性規律在時間軸上的長度。

語法是：「=FORECAST.ETS.SEASONALITY( values, timeline, [data completion],[aggregation] )」。

參數：values是一組已知的歷史值。

timeline與歷史值相對應的一組日期（或時間）序列。

data completion是日期（或時間）序列中遺漏數據的補充方式的參數。

aggregation是具有相同日期（或時間）的數據的計算方式。

例：計算表中參數的預測值的置信區間。

在E2的單元格插入函數：「=FORECAST.ETS.SEASONALITY(C2:D7,A2:B7)」，按【Enter】鍵確認。

計算指定時間序列上檢測到的重複模式的長度

九十一、返回預測結果的統計信息（FORECAST.ETS.STAT函數）：

FORECAST.ETS.STAT函數用於返回時間序列上的預測結果的統計信息

語法是：「=FORECAST.ETS.STAT( values, timeline, statistic_type, [seasonality],[data completion], [aggregation] )」。

參數：values是一組已知的歷史值。

timeline與歷史值相對應的一組日期（或時間）序列。

statistic_type是要求的統計值類型。

1：ETS算法的Alpha參數，值越高，最近的數據點權重越高；

2：ETS算法的Beta參數，值越高，最近趨勢的權重越高；

3：ETS算法的Gamma參數，值越高，最近的季節性周期的權重越高；

4：MASE指標，平均絕對標度誤差指標——預測準確性的度量值；

5：SMAPE指標，對稱平均值絕對百分比錯誤指標——基於百分比誤差的準確性度量值；

6：MAE指標，絕對平均誤差指標，衡量預測與最終結果有多接近；

7：RMSE指標，均方根誤差指標，衡量預測值和觀察值之間的差異的一種指標；

8：檢測到的步長，在提供的日期（或時間）系列中的檢測到的步長。

seasonality是指示數據的季節性質的一個參數。

data completion是日期（或時間）序列中遺漏數據的補充方式的參數。

aggregation是具有相同日期（或時間）的數據的計算方式。

例：計算表中參數的預測值的統計信息。

1）在E2的單元格插入函數：「=FORECAST.ETS.STAT(C2:D7,A2:B7,2)」，按【Enter】鍵確認；

2）在E3的單元格插入函數：「=FORECAST.ETS.STAT(C2:D7,A2:B7,4)」，按【Enter】鍵確認；

3）在E4的單元格插入函數：「=FORECAST.ETS.STAT(C2:D7,A2:B7,5)」，按【Enter】鍵確認；

4）在E5的單元格插入函數：「=FORECAST.ETS.STAT(C2:D7,A2:B7,6)」，按【Enter】鍵確認；

5）在E6的單元格插入函數：「=FORECAST.ETS.STAT(C2:D7,A2:B7,7)」，按【Enter】鍵確認；

6）在E7的單元格插入函數：「=FORECAST.ETS.STAT(C2:D7,A2:B7,8)」，按【Enter】鍵確認。

返回預測結果的統計信息

九十二、使用線性回歸法預測未來值（FORECAST.LINEAR函數）：

FORECAST.LINEAR函數用於根據根據現在值產生的等差序列（線性回歸法）來計算或預測未來值。

語法是：「=FORECAST.LINEAR( x, known_y’s, known_x’s )」。

參數：x是要預測未來值的數據。

known_y’s是相依的數組或數據區域。

known_x’s是獨立的數組或數據區域。方差不能為0。

例：計算表中參數的預測值。

在C4的單元格插入函數：「=FORECAST.LINEAR(C2,A2:A7,B2:B7)」，按【Enter】鍵確認。