Moving Average Cognos 8 4

Moving-Average, die bestimmte Datensätze ausschließt. Moving-Average, die bestimmte Datensätze ausschließt. Software: Cognos BI 8211 Report Studio, relationale Datenbank, v10.0 Objekt: Moving-Average des Umsatzes für 2 Wochen zurück, nur unter Berücksichtigung von Produkten, die mindestens 4 Wochen zum Verkauf haben. Daten Muster: Produktkategorie Produkttyp Wochen Auf Verkauf Verkauf Bürobedarf Auflage aus Papier 1 10 Bürobedarf Auflage aus Papier 2 4 Bürobedarf Auflage aus Papier 3 5 Bürobedarf Auflage aus Papier 4 2 Bürobedarf Pad aus Papier 5 1 Bürobedarf Stifte 1 1 Bürobedarf Stifte 2 2 Bürobedarf Stifte 3 2 Bürobedarf Stifte 4 3 Bürobedarf Bleistifte 1 2 Bürobedarf Bleistifte 2 1 Bürobedarf Bleistifte 3 1 Bürobedarf Erasers 1 1 Bürobedarf Erasers 2 2 Beispiel: Bürobedarf 8211 Erasers 8211 Wochen am Verkauf 2, sollte durchschnittlich die folgenden: Stifte 8211 Wochen auf Verkauf 2 8211 Verkäufe 2 Auflage von Papier 8211 Wochen auf Verkauf 2 8211 Verkäufe 4 Bleistifte nicht berücksichtigt, weil es nur 3 Wochen auf Verkauf hat. Dies ist nur ein einfaches Beispiel und ist keine realen Daten. Dont bedeuten, dumb unten das Beispiel, aber es scheint verwirrend für mich. Ich kann Cognos nicht dazu bringen, mit mir zu arbeiten. Dieses ist, was ich bis jetzt habe: gleitender Durchschnitt (Verkäufe, 2 für Wochen auf Verkauf) Gibt es eine obviouseasy Weise, damit sie vom Durchschnitt ausschließen, wenn Produktart nicht mindestens 4 Wochen auf Sale8.4 hat Verwenden Sie vergangene Werte der Prognosedatei in einer Regression, ein gleitendes Durchschnittsmodell verwendet vergangene Prognosefehler in einem regressionsähnlichen Modell. Y c et the theta e dots theta e, wobei et weißes Rauschen ist. Wir bezeichnen dies als MA (q) - Modell. Natürlich beobachten wir nicht die Werte von et, also ist es nicht wirklich Regression im üblichen Sinne. Man beachte, daß jeder Wert von yt als gewichteter gleitender Durchschnitt der letzten Prognosefehler betrachtet werden kann. Jedoch sollten gleitende Durchschnittsmodelle nicht mit der gleitenden glatten Glättung verwechselt werden, die wir in Kapitel 6 besprochen haben. Ein gleitendes Durchschnittsmodell wird für die Prognose zukünftiger Werte verwendet, während die gleitende gleitende Durchschnittskurve für die Schätzung des Trendzyklus der vergangenen Werte verwendet wird. Abbildung 8.6: Zwei Beispiele für Daten aus gleitenden Durchschnittsmodellen mit unterschiedlichen Parametern. Links: MA (1) mit yt 20e t 0,8e t-1. Rechts: MA (2) mit y t e t - e t-1 0,8e t-2. In beiden Fällen ist e t normal verteiltes Weißrauschen mit Mittelwert Null und Varianz Eins. Abbildung 8.6 zeigt einige Daten aus einem MA (1) - Modell und einem MA (2) - Modell. Das Ändern der Parameter theta1, dots, thetaq führt zu unterschiedlichen Zeitreihenmustern. Wie bei autoregressiven Modellen wird die Varianz des Fehlerterms et nur den Maßstab der Reihe ändern, nicht die Muster. Es ist möglich, jedes stationäre AR (p) - Modell als MA (infty) - Modell zu schreiben. Zum Beispiel wiederholte Substitution, können wir dies für ein AR (1) Modell zeigen: begin yt amp phi1y et amp PHI1 (phi1y e) et amp phi12y phi1 e et amp phi13y phi12e phi1 e et amptext Ende bereitgestellt -1 lt phi1 lt 1 wird der Wert von phi1k kleiner, wenn k größer wird. So erhalten wir schließlich yt und phi1 e phi12 e phi13 e cdots, ein MA (infty) Prozess. Das umgekehrte Ergebnis gilt, wenn wir den MA-Parametern einige Einschränkungen auferlegen. Dann wird das MA-Modell invertierbar. Das heißt, dass wir alle invertierbaren MA (q) Prozess als AR (infty) Prozess schreiben können. Invertible Modelle sind nicht einfach, damit wir von MA-Modellen auf AR-Modelle umwandeln können. Sie haben auch einige mathematische Eigenschaften, die sie in der Praxis einfacher zu verwenden. Die Invertibilitätsbedingungen sind den stationären Einschränkungen ähnlich. Für ein MA (1) Modell: -1lttheta1lt1. Für ein MA (2) - Modell: -1lttheta2lt1, theta2theta1 gt-1, theta1 - theta2 lt 1. Kompliziertere Bedingungen gelten für qge3. Auch hier wird R kümmern sich um diese Einschränkungen bei der Schätzung der models. Good am Morgen TM1 Gurus, Im arbeitet derzeit an einem Verkaufsprojekt, das eine gleitende durchschnittliche Regel erfordert. Abmessungen sind anwendbar. Angebot. "Measuresquot". QuotYearquot wie 2011,2012,2013 und quotdayquot mit den 365 Tagen des Jahres, das Rolls bis zum entsprechenden Monat als Eltern (Jul, Aug, Sep.) und der Monat zum obersten ElternteilTotal Yearquot (siehe Beispiel unten) Im versuchen Um den Verkaufstagesmittelwert basierend auf einem 10-tägigen Bewegungszeitraum zu zeigen, zum Beispiel siehe unten. Dies bedeutet, dass der 15. Mai die Avrg der Werte von Mai-15 bis Mai-02 und so weiter zeigt. Also meine Frage ist: Wie arbeite ich die Avrg rückwärts auf der Grundlage der letzten 10 Tage, die einen Wert gegen, wenn es keinen Wert gibt dann ausschließen. Was ich mit einem Wert meine ist etwas in der Würfelzelle, auch wenn es eine Null ist. Jede Hilfe, Hinweise und Tipps werden sehr geschätzt. Winsonlee Regulärer Teilnehmer Beiträge: 180 Registriert seit: Thu Jul 01, 2010 3:06 am OLAP Produkt: Cognos Express Version: 9.5 Excel Version: 2007 Ort: Melbourne, Australien Nicht allzu sicher, wenn es über Regeln getan werden kann, wie Sie schauen, um zu überspringen Tage, die 0 ist. Ich versuchte mit TI-Prozess, es zu tun und es ist erreichbar. Erstellen Sie eine Ansicht aller Tage auf N Element Ebene und Jahre und setzen Sie quit Zero Blank Wertequot. temp1 temp2 temp2 TEMP3 TEMP3 TEMP4 TEMP4 Temp5 Temp5 temp6 temp6 temp7 temp7 temp8 temp8 temp9 temp9 temp10 temp10 Wert CELLPUTN ((TEMP1 temp2 TEMP3 TEMP4 Temp5 temp6 temp7 temp8 temp9 temp10) 10, testing4, YearX, MonthX, AVRG JOB Val) ich denken kann, 1 Weg, es zu tun über Regeln, aber seine nicht gerade hübsch. Setzen Sie ein Attribut gegen jeden Tag namens quotprior dayquot und bevölkert es mit Ihnen wissen, was. Erstellen Sie eine zusätzliche Maßnahme namens quotCheckquot oder so ähnlich. 91Check93N: If (91Intake Value93ltgt0,1,0) 91Avrg JOB Val93N:. (DB (Cube, dim1, dim2 Tag, Intake Value) DB (Cube, dim1, dim2, Attrs (Tag, Tag, Tag Prior), Intake Value) DB (Cube, dim1, dim2, Attrs (Tag, Attrs (Tag, Tag, Prior Tag), Prior Tag), Einlaßwert) und so weiter 10-fach) Sie könnten es auch über eine Dimix, die sauberer aussehen kann in der Regel, sondern ist abhängig von Elementen nicht bewegt. Vorausgesetzt, dass mindestens 1 Ihrer 10 Tage einen Wert haben, sollten Sie wahrscheinlich betrügen und nur füttern die ganze Maßnahme. Ein schöner Weg, es zu tun, wäre, die Werte aus einem Zwischen-Würfel und mit Konsolen, um die Mittelwerte zu machen und dann bringen sie wieder in. LORR schrieb: Was ich mit einem Wert bedeutet, ist etwas in der Würfelzelle, auch wenn ihre a Null. Ich vermute, dass Sie bedeuten, dass Null ist ein signifikanter Wert, aber es kann Tage geben, für die es keinen Wert gibt. Die akzeptierte Weg, dies in TM1 zu implementieren ist UNDEFVALS (publib. boulder. ibminfocenterctm1v9r5m0index. jsptopic2Fcom. ibm. swg. im. cognos. tm1ref.9.5.2.doc2Ftm1refid7852undefvals. html) in der Regel zu verwenden. Jedoch bewusst sein, dass, sobald Sie es in die Regel setzen, wird es eine dauerhafte Wirkung auf den Würfel haben und es herausnehmen wird nicht umkehren, dass Wirkung. Darüber hinaus glaube ich nicht, dass es möglich ist, mehr (9.5.2 und höher) in einer Regel zwischen einer Zelle, die eine Null in es und eine Zelle mit dem speziellen undefinierten Wert zu unterscheiden ist. Ich würde mich darüber freuen, dass es sich hierbei als falsch erwiesen hat. In früheren Versionen verwendeten sie zu vergleichen größer als null, aber nicht mehr. Alle Dinge, wenn Sie den Import der Daten mit TI wäre es wahrscheinlich sicherer und verständlicher, um eine zusätzliche Maßnahme (z. B. quotHas Dataquot), die Sie mit 1 füllen für jeden Umsatz Wert, den Sie gefüllt haben. Natürlich, wenn die Werte von Benutzern im Cube-Viewer oder in Contributor eingegeben werden, können Sie dies nicht tun. Winsonlee Regulärer Teilnehmer Beiträge: 180 Registriert: Do Aug 01, 2010 3:06 am OLAP Produkt: Cognos Express Version: 9.5 Excel Version: 2007 Ort: Melbourne, Australien Sieht aus wie eine gute Idee. Aber ich möchte über die Regeln zu bestätigen. (Mai-07 Mai-08 Mai-09 Mai-10 Mai-11 Mai-14) 6 Mai-05 0 Mai-06 0 Mai-07 187,989 Mai-08 203,375 May-09 236,468 May-11 106,078 May-11 426,669 may-12 0 Mai-13 0 May-14 296,722 declanr hat geschrieben: Ich kann von 1 Weg, es zu tun über Regeln, aber es ist nicht gerade hübsch. Setzen Sie ein Attribut gegen jeden Tag namens quotprior dayquot und bevölkert es mit Ihnen wissen, was. Erstellen Sie eine zusätzliche Maßnahme namens quotCheckquot oder so ähnlich. (Cube, Dim1, Dim2, Day, Intake-Wert) DB (Cube, Dim1, Dim2, Attrs (Tag, Tag, Prior-Tag), Einlaßwert), wenn der Wert (91Intake Value93ltgt0,1,0) 91Avrg JOB Val93N: DB (Cube, dim1, dim2, Attrs (Tag, Attrs (Tag, Tag, Prior Tag), Prior Tag), Einlaßwert) und so weiter 10-fach) Sie könnten es auch über eine Dimix, die sauberer aussehen kann in der Regel, sondern ist abhängig von Elementen nicht bewegt. Vorausgesetzt, dass mindestens 1 Ihrer 10 Tage einen Wert haben, sollten Sie wahrscheinlich betrügen und nur füttern die ganze Maßnahme. Ein schöner Weg, es zu tun, wäre die Einnahme der Werte aus einem Zwischen-Cube und mit Konsolen, um die Durchschnitte zu tun und dann bringen sie wieder in. Winsonlee Regular Teilnehmer Beiträge: 180 Registriert: Do Nov 01, 2010 3:06 am OLAP Product : Cognos Express Version: 9.5 Excel Version: 2007 Ort: Melbourne, Australien mit den Regeln von declanr definieren, Ich denke, es ist möglich, wenn die Jahr-und die Monats-Datum Dimension in einer Dimension kombinieren und verwenden Attribut definieren, Existenz der Daten, aber dies erfordert eine Menge Arbeit, um das Attribut als gut. Winsonlee Regulärer Teilnehmer Beiträge: 180 Registriert seit: Thu Jul 01, 2010 3:06 am OLAP Produkt: Cognos Express Version: 9.5 Excel Version: 2007 Ort: Melbourne, Australien, die wie eine resonable Lösung aussieht, die nicht viel Arbeit erfordert, um sie beizubehalten. Aber möchte nochmals betonen, dass mit dimix die Sequenz des in der Dimension erzeugten Elements wichtig ist. ZB wenn Jun nachträglich alle Tage folgt, die von Jul und allen Tagen folgen, daher kommt es zu einer Zeit, in der die vorherige Periode von Jul-01 Jul sein wird. Daher ist es ratsam, alle übergeordneten Elemente zuerst dann nur die Tage zu erstellen So dass alle Tage in korrekten Ordnungen sind. Winsonlee hat geschrieben: Sieht aus wie eine gute Idee. Aber ich möchte über die Regeln zu bestätigen. (Mai-07 Mai-08 Mai-09 Mai-10 Mai-11 Mai-14) 6 ah ja, ich sehe, ich mis-lesen Sie die Frage. Ich nehme es jetzt als das OP will immer 10 Tage im Wert von Daten, aber es wird immer nur die letzten 10 Tage, die Werte in ihnen hatte. Wenn das der Fall ist, würde ich immer noch die QuotePriorquot Attribut, sondern bevölkert es durch eine Regel (ich sage, das ist, was ich tun würde, in der Realität würde ich eine TI verwenden, aber wenn eine Regel wesentlich war). Die Regel wäre wie folgt: Vorherige Perioden: Wenn (DB (Cube, Dim1, Dim2, Dimnm (Tag, Dimix (Tag, Tag) -1), AVG Job Val) ltgt0, Dimnm (Tag, Dimix (Tag, (Tag, Dimix (Tag, Tag) & ndash; 2), If (DB (Cube, Dim1, Dim2, Dimnm DB (Cube, Dim1, Dim2, Dimnm (Tag, Dimix (Tag, Tag) -3), AVG Job Val) ltgt0, Dimnm (Tag, Dimix (Tag, Tag) -3) und so weiter und so weiter Viele Male, wie Sie denken, wäre notwendig, um zu umfassen, aber viele Leerzeichen sind wahrscheinlich in einer Reihe zu sein. Wenn die Dim1, Dim2 usw. alle erfordern eine andere nehmen auf diesem müssen Sie möglicherweise tun es againt eine benutzerdefinierte Steuerelement Würfel statt der tatsächlichen Attribute Cube. Wie ich sage, dass dies beginnt, eine sehr chaotisch Methode aussehen und ich würde wahrscheinlich versuchen, es selbst zu vermeiden, aber ich denke, es würde funktionieren. Natürlich, wenn Sie dies die Regel aus meinem bisherigen Kommentar würde nur eine Aufteilung haben 10 anstelle des variablen Nenners.