To see the individual point forecas

To see the individual point forecasting behavior we plotted the actual data versus the forecasts from both ETS and ARIMA models in Fig. 5. In general, we find that both ETS and ARIMA models have the capability to forecast the trend movement and seasonal fluctuations fairly well. As expected, the exceptional increase in the sales of flats observed in March and April 2012 was not predicted by both models which under-forecasted the situation.

ผลลัพธ์ (ไทย) 1:

รายละการคาดการณ์ลักษณะการทำงาน เราลงจุดข้อมูลแท้จริงเมื่อเทียบกับการคาดการณ์จาก ETS และ ARIMA แบบจำลองในรูปที่ 5 ทั่วไป เราพบว่า รุ่น ETS และอาริมะมีความสามารถในการคาดการณ์แนวโน้มการเคลื่อนไหวและความผันผวนตามฤดูกาลค่อนข้างดี ตามที่คาดไว้ เพิ่มยอดในการขายแฟลตที่สังเกตในเดือนมีนาคมและ 2555 เมษายนถูกคาดการณ์ โดยทั้งสองรุ่นซึ่งภายใต้คาดการณ์สถานการณ์

ผลลัพธ์ (ไทย) 2:

หากต้องการดูพฤติกรรมจุดการคาดการณ์ของแต่ละบุคคลเราวางแผนข้อมูลที่เกิดขึ้นจริงเมื่อเทียบกับการคาดการณ์ทั้งจาก ETS และรูปแบบ ARIMA ในมะเดื่อ 5. โดยทั่วไปแล้วเราจะพบว่าทั้ง ETS และรูปแบบ ARIMA มีความสามารถในการคาดการณ์แนวโน้มการเคลื่อนไหวตามฤดูกาลและความผันผวนค่อนข้างดี เป็นที่คาดหวังที่เพิ่มขึ้นโดดเด่นในการขายของแฟลตพบว่าในเดือนมีนาคมและเมษายน 2012 ก็ไม่ได้คาดการณ์โดยทั้งสองรุ่นซึ่งอยู่ภายใต้การคาดการณ์สถานการณ์

ผลลัพธ์ (ไทย) 3:

เห็นแต่ละจุดพยากรณ์พฤติกรรมเราวางแผนข้อมูลที่แท้จริงเมื่อเทียบกับการคาดการณ์จาก ETS และรูปแบบ ARIMA ในรูปที่ 5 โดยทั่วไปเราพบว่า ทั้งแผ่น และ ตัวแบบ ARIMA มีความสามารถในการพยากรณ์แนวโน้มการเคลื่อนไหวตามฤดูกาลและความผันผวนค่อนข้างดี เป็นไปตามคาด เพิ่มพิเศษในการขายแฟลต พบในเดือนมีนาคมและเมษายน 2555 ไม่ได้คาดการณ์ไว้ โดยทั้งสองรุ่นซึ่งภายใต้การคาดการณ์สถานการณ์