Single Exponential Smoothing, кыскача SES, ошондой эле Simple Exponential Smoothing деп да аталат, трендсиз же сезондуксуз бир өзгөрмөлүү маалыматтар үчүн убакыт сериясын болжолдоо ыкмасы. Ал альфа (a) деп аталган бир параметрди талап кылат.
Экспоненциалдык текшилөөнү кантип талдайсыз?
Бирдиктүү экспоненциалдык тегиздөөнүн негизги натыйжаларын чечмелеңиз
- 1-кадам: Модель дайындарыңызга туура келерин аныктаңыз.
- 2-кадам: Моделиңиздин тууралыгын башка моделдер менен салыштырыңыз.
- 3-кадам: Божомолдордун так экенин аныктаңыз.
Экспоненциалдык тегиздөө үчүн Альфаны кантип тандайсыз?
Биз \alpha үчүн эң жакшы маанини тандайбыз, андыктан эң кичине MSE пайда болгон маани. Квадраттык каталардын суммасы (SSE)=208,94. Квадраттык каталардын орточо мааниси (MSE) SSE /11=19,0. MSE кайрадан \alpha=0,5 үчүн эсептелип, 16,29 болуп чыкты, андыктан бул учурда биз \alpha 0,5ти тандайбыз.
Экспоненциалдык жылмакайлоону качан колдонот элеңиз?
Экспоненциалдык тегиздөө - бул презентациялар үчүн берилиштерди жылмакай кылуу же болжолдоолорду жасоо. Ал, адатта, каржы жана экономика үчүн колдонулат. Эгер сизде так үлгүсү бар убакыт сериясы болсо, анда кыймылдуу орточо көрсөткүчтөрдү колдонсоңуз болот, бирок так үлгү жок болсо, болжолдоо үчүн экспоненциалдык жылмакайлоону колдонсоңуз болот.
Жөнөкөй экспоненциалдык текшилөөнү кантип эсептейсиз?
Экспоненциалдуу тегиздөөчү эсептөө төмөнкүдөй: Эң акыркы мезгилдеги суроо-талап текшилөө коэффициентинекөбөйтүлдү. Эң акыркы мезгилдин болжолу көбөйтүлгөн (бир минус текшилөө фактору). S=ондук формада көрсөтүлгөн текшилөө коэффициенти (ошондуктан 35% 0,35 катары көрсөтүлөт).
