Single Exponential Smoothing, na kratko SES, imenovan tudi Simple Exponential Smoothing, je metoda napovedovanja časovnih vrst za enosmerne podatke brez trenda ali sezonskosti. Zahteva en sam parameter, imenovan alfa (a), imenovan tudi izravnalni faktor ali koeficient glajenja.
Kako analizirate eksponentno glajenje?
Interpretirajte ključne rezultate za posamezno eksponentno glajenje
- 1. korak: ugotovite, ali model ustreza vašim podatkom.
- 2. korak: primerjajte prileganje vašega modela z drugimi modeli.
- 3. korak: ugotovite, ali so napovedi točne.
Kako izberete Alpha za eksponentno glajenje?
Izberemo najboljšo vrednost za \alpha, torej vrednost, ki ima za posledico najmanjši MSE. Vsota kvadratov napak (SSE)=208,94. Srednja vrednost kvadratov napak (MSE) je SSE /11=19,0. MSE je bil ponovno izračunan za \alpha=0,5 in izkazalo se je, da je 16,29, zato bi v tem primeru raje imeli \alpha 0,5.
Kdaj bi uporabili eksponentno glajenje?
Eksponentno glajenje je način za izravnavo podatkov za predstavitve ali za izdelavo napovedi. Običajno se uporablja za finance in ekonomijo. Če imate časovno vrsto z jasnim vzorcem, lahko uporabite drseča povprečja - če pa nimate jasnega vzorca, lahko za napoved uporabite eksponentno glajenje.
Kako izračunate preprosto eksponentno glajenje?
Izračun eksponentnega glajenja je naslednji: Potreba zadnjega obdobja, pomnožena s faktorjem glajenja. Napoved zadnjega obdobja, pomnožena z (ena minus faktor izravnave). S=izravnalni faktor, predstavljen v decimalni obliki (torej bi bilo 35 % predstavljenih kot 0,35).