Единично експоненциално изглаждане, SES за кратко, наричано още просто експоненциално изглаждане, е метод за прогнозиране на времеви серии за едномерни данни без тенденция или сезонност. Изисква един параметър, наречен алфа (a), наричан още коефициент на изглаждане или коефициент на изглаждане.
Как анализирате експоненциалното изглаждане?
Интерпретирайте ключовите резултати за единично експоненциално изглаждане
- Стъпка 1: Определете дали моделът отговаря на вашите данни.
- Стъпка 2: Сравнете прилягането на вашия модел с други модели.
- Стъпка 3: Определете дали прогнозите са точни.
Как избирате алфа за експоненциално изглаждане?
Избираме най-добрата стойност за \alpha, така че стойността, която води до най-малката MSE. Сборът от грешките на квадрат (SSE)=208,94. Средната стойност на квадратните грешки (MSE) е SSE /11=19.0. MSE отново беше изчислен за \alpha=0,5 и се оказа 16,29, така че в този случай бихме предпочели \alpha от 0,5.
Кога бихте използвали експоненциално изглаждане?
Експоненциалното изглаждане е начин за изглаждане на данни за презентации или за правене на прогнози. Обикновено се използва за финанси и икономика. Ако имате времеви серии с ясен модел, можете да използвате пълзящи средни - но ако нямате ясен модел, можете да използвате експоненциално изглаждане за прогнозиране.
Как се изчислява просто експоненциално изглаждане?
Изчислението на експоненциалното изглаждане е както следва: Потребността от последния период, умножена по коефициента на изглаждане. Прогнозата за последния период, умножена по (едно минус изглаждащия фактор). S=коефициентът на изглаждане, представен в десетична форма (така че 35% ще бъдат представени като 0,35).
