Single Exponential Smoothing, saīsināti SES, ko sauc arī par vienkāršo eksponenciālo izlīdzināšanu, ir laikrindu prognozēšanas metode vienfaktoru datiem bez tendences vai sezonalitātes. Tam nepieciešams viens parametrs, ko sauc par alfa (a), ko sauc arī par izlīdzināšanas koeficientu vai izlīdzināšanas koeficientu.
Kā jūs analizējat eksponenciālo izlīdzināšanu?
Interpretējiet vienu eksponenciālas izlīdzināšanas galvenos rezultātus
- 1. darbība: nosakiet, vai modelis atbilst jūsu datiem.
- 2. darbība. Salīdziniet sava modeļa atbilstību citiem modeļiem.
- 3. darbība. Noskaidrojiet, vai prognozes ir precīzas.
Kā izvēlēties alfa eksponenciālai izlīdzināšanai?
Mēs izvēlamies labāko vērtību \alpha, tātad vērtību, kas rada mazāko MSE. Kvadrāto kļūdu (SSE) summa=208,94. Kvadrāto kļūdu (MSE) vidējā vērtība ir SSE /11=19,0. MSE atkal tika aprēķināts \alpha=0,5 un izrādījās 16,29, tāpēc šajā gadījumā mēs dotu priekšroku \alpha 0,5.
Kad jūs izmantotu eksponenciālo izlīdzināšanu?
Eksponenciālā izlīdzināšana ir veids, lai izlīdzinātu datus prezentācijām vai veiktu prognozes. To parasti izmanto finanšu un ekonomikas jomā. Ja jums ir laika rinda ar skaidru modeli, varat izmantot mainīgos vidējos rādītājus, taču, ja jums nav skaidra modeļa, prognozēšanai varat izmantot eksponenciālo izlīdzināšanu.
Kā aprēķināt vienkāršu eksponenciālo izlīdzināšanu?
Eksponenciālās izlīdzināšanas aprēķins ir šāds: Pēdējā perioda pieprasījums reizināts ar izlīdzināšanas koeficientu. Pēdējā perioda prognoze, kas reizināta ar (viens mīnus izlīdzināšanas koeficients). S=izlīdzināšanas koeficients, kas attēlots decimāldaļā (tātad 35% tiktu attēloti kā 0,35).
