Como usar a função FORECAST.ETS.SEASONALITY no Excel?

A função `FORECAST.ETS.SEASONALITY` no Excel é utilizada para calcular a duração do padrão sazonal em uma série temporal, ou seja, quantos pontos de dados existem em um ciclo de sazonalidade. Isso é especialmente útil quando você está trabalhando com previsões que envolvem dados sazonais.

Aqui está um guia passo a passo sobre como usar a função `FORECAST.ETS.SEASONALITY`:

Sintaxe da Função

FORECAST.ETS.SEASONALITY(valores, linha_do_tempo, [dados_completos], [agregação])

valores: Esta é a matriz ou intervalo de dados numéricos que você deseja analisar. Esses são os valores históricos que você deseja prever.
linha_do_tempo: Este é o intervalo ou matriz de dados de linha do tempo que correspondem aos valores. A linha do tempo deve ter intervalos constantes entre seus pontos de dados e não pode estar vazia.
[dados_completos]: Este é um parâmetro opcional. Use VERDADEIRO para contabilizar dados ausentes completando automaticamente os mesmos através de interpolação ou FALSO para contabilizar como zero (0) quando houver dados ausentes.
[agregação]: Este é um outro parâmetro opcional que especifica qual método deve ser utilizado para agregação de vários valores de dados que têm a mesma carimbo de data/hora. Os métodos de agregação incluem:

1: MÉDIA (padrão)
2: CONT.SE
3: CONT.VAL
4: MÁX
5: MÍN
6: MED
7: SOMA

Exemplo de Uso

Suponha que você tenha uma série temporal com dados mensais de vendas nos intervalos `B2:B13` e as datas correspondentes em `A2:A13`. Para calcular a sazonalidade, você usaria a função da seguinte forma:

=FORECAST.ETS.SEASONALITY(B2:B13, A2:A13)

Pontos Importantes

Certifique-se de que a linha do tempo (`linha_do_tempo`) tenha intervalos constantes, caso contrário, a função retornará um erro.
Se a linha do tempo incluir duplicatas, utilize o parâmetro de agregação para especificar como essas duplicatas serão tratadas.
A função é particularmente útil para análises de séries temporais como vendas mensais, temperatura semanal, etc.

Essa função é muito útil em análises de negócios para prever tendências futuras com base em padrões passados, levando em consideração a sazonalidade dos dados.

facebooklinkedin