एक्सेल में मूविंग एवरेज की गणना करें (सरल, घातीय और भारित)

मूविंग एवरेज का अर्थ है कि हमारे पास हमारे द्वारा सेट किए गए डेटा के औसत की गणना करते हैं, एक्सेल में हमारे पास मूविंग एवरेज की गणना के लिए एक इनबिल्ट फीचर है जो विश्लेषण अनुभाग में डेटा विश्लेषण टैब में उपलब्ध है, यह एक इनपुट रेंज और आउटपुट लेता है एक आउटपुट के रूप में अंतराल के साथ रेंज, चलती औसत की गणना करने के लिए एक्सेल में मात्र सूत्रों पर आधारित गणना कठिन है, लेकिन हमारे पास ऐसा करने के लिए एक्सेल में एक इनबिल्ट फ़ंक्शन है।

एक्सेल में मूविंग एवरेज क्या है

मूविंग एवरेज समय श्रृंखला विश्लेषण में एक व्यापक रूप से इस्तेमाल की जाने वाली तकनीक है जिसका उपयोग भविष्य की भविष्यवाणी करने के लिए किया जाता है। एक टाइम सीरीज़ में मूविंग एवरेज मूल रूप से एक अन्य टाइम-सीरीज़ डेटा के विभिन्न अनुक्रमिक मानों का औसत लेकर बनाया जाता है।

तीन प्रकार के मूविंग एवरेज होते हैं, जैसे कि साधारण मूविंग एवरेज, वेटिंग मूविंग एवरेज, और एक्सिल में एक्सपोनेंशियल मूविंग एवरेज।

# 1 - एक्सेल में सरल चलती औसत

एक साधारण चलती औसत एक डेटा श्रृंखला की अंतिम संख्या की अवधि की औसत गणना करने में मदद करती है। मान लीजिए कि n अवधि के मूल्य दिए गए हैं। फिर साधारण चलती औसत के रूप में दिया जाता है

सरल चलती औसत = (P1 + P2 +…। + Pn) / n

# 2 - एक्सेल में भारित चलती औसत

भारित चलती औसत अंतिम n अवधियों का भारित औसत प्रदान करती है। पिछली समयावधि के प्रत्येक डेटा बिंदु के साथ भार कम हो जाता है।

भारित चलती औसत = (मूल्य * भार कारक) + (पिछली अवधि का मूल्य * भार कारक -1)

# 3 - एक्सेल में घातीय चलती औसत

यह एक साधारण चलती औसत के समान है जो समय की अवधि में रुझानों को मापता है। जबकि साधारण मूविंग एवरेज दिए गए डेटा के औसत की गणना करता है, घातीय मूविंग एवरेज वर्तमान डेटा के लिए अधिक वजन देता है।

घातांक चलती औसत = (के एक्स (सी - पी)) + पी

कहा पे,

• K = घातीय चौरसाई स्थिरांक
• सी = वर्तमान मूल्य
• पी = पिछली अवधि घातीय चलती औसत (पहली अवधि की गणना के लिए उपयोग की जाने वाली सरल चलती औसत)

एक्सेल में मूविंग एवरेज की गणना कैसे करें?

नीचे एक्सेल में एक चलती औसत के उदाहरण हैं।

उदाहरण # 1 - एक्सेल में सरल मूविंग औसत

सरल मूविंग एवरेज की गणना के लिए, हमने जनवरी 2018 से जनवरी 2018 के लिए एक कंपनी का बिक्री डेटा लिया है। हमारा लक्ष्य डेटा को सुचारू बनाना है और जनवरी 2019 में बिक्री का आंकड़ा जानना है। हम यहां औसतन तीन महीने का औसत उपयोग करेंगे।

चरण 1: जनवरी, फरवरी और मार्च की चलती औसत की गणना महीनों की बिक्री के आंकड़े का योग करके की जाती है और फिर इसे 3 से विभाजित किया जाता है।

चरण 2: D5 सेल के कोने पर चयन करना और फिर बस खींचने और नीचे छोड़ने से शेष अवधि के लिए मूविंग एवरेज मिलेगा। यह एक्सेल का भरण उपकरण फ़ंक्शन है।

जनवरी 2019 के लिए बिक्री की भविष्यवाणी 10456.66667 है।

चरण 3: अब, हम ट्रेंड में अंतर को समझने के लिए लाइन ग्राफ में बिक्री का आंकड़ा और मूविंग एवरेज प्लॉट करते हैं। इसे इन्सर्ट टैब से किया जा सकता है। सबसे पहले हमने डेटा श्रृंखला का चयन किया है, और फिर चार्ट के तहत चार्ट अनुभाग से हमने लाइन ग्राफ का उपयोग किया है।

रेखांकन बनाने के बाद, यह देखा जा सकता है कि मूविंग एवरेज वाला ग्राफ मूल डेटा श्रृंखला की तुलना में बहुत अधिक चिकना है।

उदाहरण # 2 - एक्सेल में डेटा विश्लेषण टैब के माध्यम से सरल मूविंग औसत

• विश्लेषण समूह के तहत डेटा टैब के तहत, हमें डेटा विश्लेषण पर क्लिक करना होगा। स्क्रीनशॉट निम्नलिखित है।

• डेटा विश्लेषण से, चलती औसत तक पहुँचा जा सकता है।

• चलती औसत पर क्लिक करने के बाद, हमने इनपुट रेंज के रूप में बिक्री का आंकड़ा चुना है।

• पहली पंक्ति में लेबल पर क्लिक किया जाता है ताकि एक्सेल को समझा जा सके कि पहली पंक्ति में लेबल का नाम है।

• अंतराल 3 का चयन इसलिए किया जाता है क्योंकि हम चाहते हैं कि तीन वर्ष औसत चलें।

• हमने बिक्री के आंकड़े के निकटता के साथ आउटपुट रेंज का चयन किया है।

• हम चार्ट आउटपुट भी देखना चाहते हैं, जिसमें हम वास्तविक और पूर्वानुमानित के बीच अंतर देख पाएंगे।

यह चार्ट वास्तविक और पूर्वानुमानित मूविंग एवरेज के बीच के अंतर को दर्शाता है।

उदाहरण # 3 - एक्सेल में भारित मूविंग औसत

हम तीन साल के भारित चलती औसत का उपयोग करते हैं, और सूत्र स्क्रीनशॉट में दिया गया है।

सूत्र का उपयोग करने के बाद, हमें एक अवधि के लिए मूविंग औसत मिला।

हमने निम्नलिखित कोशिकाओं में मूल्यों को खींचकर और छोड़ कर अन्य सभी अवधियों के लिए मूविंग औसत प्राप्त किया।

जनवरी 2019 के लिए पूर्वानुमान, अर्थात, 10718.33

अब हमने डेटा के स्मूथनिंग को देखने के लिए लाइन ग्राफ लिया। इसके लिए, हमने अपने महीने का पूर्वानुमानित डेटा चुना है और फिर एक रेखा ग्राफ डाला है।

अब हम अपने पूर्वानुमानित डेटा की हमारे वास्तविक डेटा से तुलना करेंगे। नीचे दिए गए स्क्रीनशॉट में, हम वास्तविक डेटा और पूर्वानुमानित डेटा के बीच अंतर आसानी से देख सकते हैं। शीर्ष पर ग्राफ़ वास्तविक डेटा है, और नीचे दिया गया ग्राफ़ मूविंग औसत और पूर्वानुमानित डेटा है। हम देख सकते हैं कि वास्तविक डेटा वाले ग्राफ की तुलना में मूविंग एवरेज ग्राफ काफी स्मूद हो गया है।

उदाहरण # 4 - एक्सेल में घातीय मूविंग एवरेज

घातीय मूविंग एवरेज का सूत्र S _t = α.Y _t-1 + (1- α) S _t-1 … (1) है

कहा पे,

• Y _t-1 = _t-1 अवधि में वास्तविक अवलोकन
• एस _{टी -1} = _{टी 1} पी अवधि में सरल चलती औसत
• α = चौरसाई कारक, और यह .1 और .3 के बीच भिन्न होता है। Α के अधिक से अधिक मान वास्तविक मानों के लिए चार्ट है, और α के मूल्य को जितना कम किया जाएगा, चार्ट उतना ही अधिक चिकना होगा।

सबसे पहले, हम सरल चलती औसत की गणना करते हैं, जैसा कि पहले दिखाया गया है। उसके बाद, हम समीकरण (1) में दिए गए सूत्र को लागू करते हैं। निम्नलिखित सभी मूल्यों के लिए α मान को ठीक करने के लिए, हमने F4 दबाया है।

हम निम्नलिखित कोशिकाओं में खींचकर और गिराकर मूल्यों को प्राप्त करते हैं।

अब, हम एक्सेल में वास्तविक मूल्यों, सरल चलती औसत और घातीय चलती औसत के बीच तुलना देखना चाहते हैं। हमने लाइन चार्ट बनाकर ऐसा किया है।

उपरोक्त स्क्रीनशॉट से, हम एक्सेल में वास्तविक बिक्री के आंकड़े, सरल चलती औसत और घातीय चलती औसत के बीच अंतर देख सकते हैं।

एक्सेल में मूविंग एवरेज के बारे में याद रखने वाली बातें

1. एक्सेल में AVERAGE फ़ंक्शन का उपयोग करके सरल चलती औसत की गणना की जा सकती है
2. मूविंग एवरेज डेटा को स्मूथ करने में मदद करता है
3. मौसमी औसत को अक्सर मौसमी सूचकांक के रूप में जाना जाता है
4. एक्सेल में घातीय चलती औसत सरल चलती औसत की तुलना में हाल के डेटा को अधिक भार देती है। इसलिए एक्सेल में घातीय चलती औसत के मामले में चौरसाई सरल चलती औसत से अधिक है।
5. स्टॉक मार्केट जैसे व्यवसायों में, मूविंग एवरेज व्यापारी को प्रवृत्ति को अधिक आसानी से पहचानने में मदद करता है।