Thep Excel
FORECAST.ETS.CONFINT – ช่วงความเชื่อมั่นของค่าพยากรณ์ ETS
FORECAST.ETS.CONFINT หาช่วงความเชื่อมั่น (Confidence Interval) ของค่าที่พยากรณ์จากข้อมูลชุดเวลา โดยใช้วิธี Exponential Triple Smoothing (ETS)
=FORECAST.ETS.CONFINT(target_date, values, timeline, [confidence_level], [seasonality], [data_completion], [aggregation])
Function Metrics
Popularity
5/10
Difficulty
4/10
Usefulness
6/10
Syntax & Arguments
=FORECAST.ETS.CONFINT(target_date, values, timeline, [confidence_level], [seasonality], [data_completion], [aggregation])
| Argument | Type | Required | Default | Description |
|---|---|---|---|---|
| target_date | Date | Yes | วันที่หรือเวลาที่ต้องการพยากรณ์ (ต้องอยู่ภายนอกช่วง timeline ที่มีข้อมูลแล้ว) | |
| values | Range/Array | Yes | ข้อมูลค่าที่ประวัติศาสตร์ (เช่น ยอดขาย ปริมาณขาย อุณหภูมิ ฯลฯ) ต้องเป็นตัวเลข | |
| timeline | Range/Array | Yes | ข้อมูลเวลา (วันที่ หรือเวลา) ที่สอดคล้องกับ values ต้องจัดเรียงตามลำดับเวลาจากเก่าไปใหม่ | |
| confidence_level | Number | Optional | 0.95 | ระดับความเชื่อมั่น (0.01 ถึง 0.99) เช่น 0.95 = 95%, 0.99 = 99% |
| seasonality | Number | Optional | 1 | ความยาวของรูปแบบฤดูกาล (1 = auto-detect, 0 = ไม่มีฤดูกาล, ค่าอื่น = จำนวนช่วงเวลาต่อรอบ เช่น 12 = ประจำปี) |
| data_completion | Number | Optional | 1 | วิธีจัดการข้อมูลที่ขาดหายไป (1 = ปกติ, 0 = วิธีอื่น) |
| aggregation | Number | Optional | 0 | วิธีการรวมข้อมูล (0 = เฉลี่ย, 1 = รวม, 2 = นับ) |
Examples
พยากรณ์ยอดขายเดือนที่แล้วกับช่วงความเชื่อมั่น
FORECAST.ETS.CONFINT(DATE(2024,2,1), B2:B13, A2:A13, 0.95)
=FORECAST.ETS.CONFINT(DATE(2024,2,1), B2:B13, A2:A13, 0.95)
±1250 (หรือประมาณ 1250 บาท)
ความเชื่อมั่นสูงขึ้น = ช่วงกว้างขึ้น
FORECAST.ETS.CONFINT(DATE(2024,2,1), B2:B13, A2:A13, 0.99)
=FORECAST.ETS.CONFINT(DATE(2024,2,1), B2:B13, A2:A13, 0.99)
±1850
ข้อมูลรายวันที่มีรูปแบบฤดูกาล (seasonality)
FORECAST.ETS.CONFINT(DATE(2024,1,15), C2:C365, B2:B365, 0.95, 7)
=FORECAST.ETS.CONFINT(DATE(2024,1,15), C2:C365, B2:B365, 0.95, 7)
±450
ข้อมูลรายชั่วโมง ต้องการพยากรณ์ 24 ชั่วโมงข้างหน้า
FORECAST.ETS.CONFINT(DATE(2024,1,1)+1, D2:D169, C2:C169, 0.95, 24)
=FORECAST.ETS.CONFINT(DATE(2024,1,1)+1, D2:D169, C2:C169, 0.95, 24)
±25
FAQs
ความแตกต่างระหว่าง FORECAST.ETS.CONFINT และ CONFIDENCE.NORM คืออะไร?
CONFIDENCE.NORM ใช้สำหรับสถิติพื้นฐาน (z-distribution) FORECAST.ETS.CONFINT ใช้สำหรับชุดเวลาเฉพาะ โดยคำนึงถึงแนวโน้มและฤดูกาล สูตรคำนวณต่างกันโดยสิ้นเชิง
ต้องมีข้อมูลกี่จุดจึงจะใช้ FORECAST.ETS.CONFINT ได้?
ขั้นต่ำ 2 จุด แต่การพยากรณ์ที่ดีควรมี 10+ จุด (อย่างน้อย 1-2 รอบฤดูกาล) เช่นถ้าฤดูกาลเป็นรายเดือน ควรมีข้อมูลอย่างน้อย 12 เดือน
ช่วงความเชื่อมั่นเป็นบวกเสมอ หมายความว่า?
ใช่ ผลลัพธ์คือระยะห่างในรูปบวก ต้องนำไปบวกหรือลบกับค่าพยากรณ์จากสูตร FORECAST.ETS เอง เช่น FORECAST.ETS(…) ± FORECAST.ETS.CONFINT(…)
seasonality ควรตั้งเป็นอะไร?
ตั้ง 1 (auto-detect) เป็นค่าปกติ ถ้ารู้แน่ชัดว่าฤดูกาลเป็นเท่าไหร่ ให้ใส่จำนวนช่วงเวลา เช่น 12 = ประจำปี, 7 = ประจำสัปดาห์, 24 = ประจำวัน สำหรับไม่มีฤดูกาล ใส่ 0
ทำไมบางครั้งผลลัพธ์ #NUM! หรือ #VALUE!?
เหตุผลทั่วไป: 1) ข้อมูล values ไม่ใช่ตัวเลข 2) timeline ไม่เรียงลำดับเวลา 3) confidence_level ไม่อยู่ในช่วง 0.01-0.99 4) target_date อยู่ในช่วง timeline ที่มีข้อมูลแล้ว
Resources & Related
Resources
Related functions
Additional Notes
FORECAST.ETS.CONFINT เป็นฟังก์ชันที่ใช้ในการหาช่วงความเชื่อมั่น (Confidence Interval) สำหรับค่าพยากรณ์ที่ได้จากการใช้วิธี ETS (Exponential Triple Smoothing) ซึ่งเป็นเทคนิคการเรียนรู้ของเครื่องขั้นสูง
ไม่ใช่แค่พยากรณ์ค่าตัวเดียว แต่ FORECAST.ETS.CONFINT บอกว่า “ค่าจริงจะอยู่ในช่วงไหน” ด้วยระดับความเชื่อมั่นที่เราเลือก เช่น 95% หรือ 99%
ประโยชน์คือช่วยให้เราวางแผนธุรกิจได้ดีขึ้น เพราะรู้ว่ากรณีที่ดีที่สุดและเลวที่สุดจะเป็นไงบ้าง ตัวอย่างเช่น หากพยากรณ์ยอดขายเดือนหน้าได้ 10,000 บาท แต่ช่วงความเชื่อมั่นที่ 95% บอกว่า 8,000-12,000 บาท ก็หมายความว่าเรามีความเชื่อมั่น 95% ว่ายอดขายจะอยู่ในช่วงนั้น
ที่เจ๋งคือ ฟังก์ชันนี้คำนึงถึงรูปแบบการเปลี่ยนแปลง (Trend) และฤดูกาล (Seasonality) ของข้อมูล เช่นตู้เย็นขายดีในฤดูร้อน ขายน้อยในฤดูหนาว อัลกอริธึมจึงคำนวณช่วงความเชื่อมั่นแบบอัจฉริยะ
ส่วนตัวผม ถ้าต้องการพยากรณ์ด้วยระดับความปลอดภัยสูง ให้ใช้ 0.99 (99%) หรือถ้าอยากเสี่ยงหน่อย ใช้ 0.90 (90%) ก็ได้ 😎