Single Exponential Smoothing, lühid alt SES, mida nimetatakse ka lihtsaks eksponentsiaalseks silumiseks, on aegridade prognoosimismeetod ühemõõtmeliste andmete jaoks ilma trendi või hooajalisuseta. See nõuab ühte parameetrit, mida nimetatakse alfaks (a), mida nimetatakse ka tasandusteguriks või silumisteguriks.
Kuidas analüüsite eksponentsiaalset silumist?
Tõlgendage ühe eksponentsiaalse silumise võtmetulemusi
- 1. samm: tehke kindlaks, kas mudel sobib teie andmetega.
- 2. samm: võrrelge oma mudeli sobivust teiste mudelitega.
- 3. samm: tehke kindlaks, kas prognoosid on täpsed.
Kuidas valida alfat eksponentsiaalseks silumiseks?
Valime \alpha jaoks parima väärtuse, seega väärtuse, mille tulemuseks on väikseim MSE. Ruutvigade summa (SSE)=208,94. Ruutvigade (MSE) keskmine on SSE /11=19,0. MSE arvutati uuesti väärtusele \alpha=0,5 ja see osutus 16,29-ks, seega eelistaksime sel juhul \alpha 0,5.
Millal kasutaksite eksponentsiaalset silumist?
Eksponentsiaalne silumine on viis esitluste andmete silumiseks või prognooside tegemiseks. Tavaliselt kasutatakse seda rahanduses ja majanduses. Kui teil on selge mustriga aegrida, võite kasutada liikuvaid keskmisi, kuid kui teil pole selget mustrit, võite prognoosimiseks kasutada eksponentsiaalset silumist.
Kuidas arvutate lihtsat eksponentsiaalset silumist?
Eksponentsiaalse silumise arvutus on järgmine: Viimase perioodi nõudlus korrutatud tasandusteguriga. Viimase perioodi prognoos korrutatud (üks miinus tasandustegur). S=tasandustegur, mis on esitatud kümnendkohana (nii et 35% oleks 0,35).
