Single Exponencial Smoothing, skrátene SES, nazývané aj Simple Exponencial Smoothing, je metóda predpovedí časových radov pre jednorozmerné údaje bez trendu alebo sezónnosti. Vyžaduje jeden parameter, nazývaný alfa (a), tiež nazývaný faktor vyhladenia alebo koeficient vyhladenia.
Ako analyzujete exponenciálne vyhladzovanie?
Interpretujte kľúčové výsledky pre Single Exponencial Smoothing
- 1. krok: Zistite, či model vyhovuje vašim údajom.
- Krok 2: Porovnajte vhodnosť vášho modelu s inými modelmi.
- Krok 3: Zistite, či sú predpovede presné.
Ako si vybrať Alpha pre exponenciálne vyhladzovanie?
Vyberáme najlepšiu hodnotu pre \alpha, teda hodnotu, ktorej výsledkom je najmenší MSE. Súčet štvorcových chýb (SSE)=208,94. Priemer štvorcových chýb (MSE) je SSE /11=19,0. MSE bola opäť vypočítaná pre \alpha=0,5 a ukázalo sa, že je 16,29, takže v tomto prípade by sme uprednostnili \alpha 0,5.
Kedy by ste použili exponenciálne vyhladzovanie?
Exponenciálne vyhladzovanie je spôsob vyhladzovania údajov pre prezentácie alebo vytvárania prognóz. Zvyčajne sa používa pre financie a ekonomiku. Ak máte časový rad s jasným vzorom, môžete použiť kĺzavé priemery – ale ak nemáte jasný vzor, môžete predpovedať pomocou exponenciálneho vyhladzovania.
Ako vypočítate jednoduché exponenciálne vyhladenie?
Výpočet exponenciálneho vyhladzovania je nasledujúci: Požiadavka za posledné obdobie vynásobená vyhladzovacím faktorom. Predpoveď za posledné obdobie vynásobená (jedna mínus vyhladzovací faktor). S=vyhladzovací faktor vyjadrený v desatinnej forme (takže 35 % by bolo vyjadrených ako 0,35).
