Dados em falta de média

Média móvel Este exemplo ensina como calcular a média móvel de uma série temporal no Excel. Uma média móvel é usada para suavizar irregularidades (picos e vales) para reconhecer facilmente as tendências. 1. Primeiro, vamos dar uma olhada em nossas séries temporais. 2. Na guia Dados, clique em Análise de dados. Nota: não consigo encontrar o botão Análise de dados Clique aqui para carregar o complemento Analysis ToolPak. 3. Selecione Média móvel e clique em OK. 4. Clique na caixa Intervalo de entrada e selecione o intervalo B2: M2. 5. Clique na caixa Intervalo e digite 6. 6. Clique na caixa Escala de saída e selecione a célula B3. 8. Traçar um gráfico desses valores. Explicação: porque definimos o intervalo para 6, a média móvel é a média dos 5 pontos de dados anteriores e o ponto de dados atual. Como resultado, picos e vales são alisados. O gráfico mostra uma tendência crescente. O Excel não pode calcular a média móvel para os primeiros 5 pontos de dados porque não há suficientes pontos de dados anteriores. 9. Repita os passos 2 a 8 para o intervalo 2 e o intervalo 4. Conclusão: quanto maior o intervalo, mais os picos e os vales são alisados. Quanto menor o intervalo, mais próximas as médias móveis são para os pontos de dados reais. A tabela a seguir é extraída da Wikipédia. Ele mostra as leituras do Índice de Padrões de Poluição (PSI) de Cingapura. Estou tentando estimar os quatro pontos de dados perdidos (2-5am) no dia 20 de junho. Eu fiz isso primeiro traçando um gráfico das leituras de 3 horas. Então eu tento derivar as leituras de 1 hora com a fórmula: esses dados derivados são usados ​​para traçar um gráfico das leituras de 1 hora. Em teoria, a curva de 3 horas funciona como uma curva de média móvel que desacredita a curva de 1 hora. Não deve haver muito desvio. Eu tentei alguns valores, mas estou obtendo resultados tremendamente erráticos. A curva abaixo é plotada com base nos valores 200.200,140 e 200. Existe uma maneira de obter uma estimativa aproximada dos dados faltantes solicitados em 21 de junho de 14: 28 Um método simples e geral para preencher dados em falta, se você tiver testes de dados completos , É usar regressão linear. Digamos que você tenha 1000 execuções de 5 em uma linha sem que falte. Configure o 1000 x 1 vetor y e 1000 x 4 matriz X: Regressão lhe dará 4 números a b c d que dão uma melhor combinação para suas 1000 linhas de dados mdash dados diferentes, diferentes a b c d. Então você usa estes a b c d para estimar (prever, interpolar) falta wt0. (Para pesos humanos, espero que um b c d seja todo 14.) (Há zilhões de livros e documentos sobre regressão, em todos os níveis. Para a conexão com a interpolação, no entanto, não conheço uma boa introdução a ninguém)